收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Web挖掘的网页清洗技术

李嘉佑  贾自艳  何清  史忠植  
【摘要】：随着互联网上信息的大量增多,Web挖掘技术越来越重要。而在Web挖掘过程中,基于Web的信息抽取的主要部分是如何去除网页中的噪音数据,它是Web数据的预处理的过程,这个预处理结果影响了Web挖掘的结果。在文中先分析了噪音数据的特点,然后根据实际观察提取规则并且用于模型统计的方法,去除噪音数据,抽取相关可利用的信息。

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘华;胡燕;王涛;;Web数据清洗研究[J];软件导刊;2007年03期
2 王全剑;李芳;;基于Wikipedia的人名简历信息抽取[J];计算机应用与软件;2011年07期
3 温力;利用ASP实现Web数据库信息发布[J];计算机时代;2000年10期
4 崔阳;吴爱华;;一种面向B2B垂直搜索的网页信息去噪方法[J];计算机技术与发展;2008年12期
5 杨洋;;Web数据挖掘的分析与探讨[J];装备制造技术;2006年05期
6 王懿;;论数据挖掘技术在信息分析中的应用[J];科技情报开发与经济;2009年10期
7 李磊,乔智勇;挖掘Web数据[J];电子科技;2001年19期
8 陆科进,李新颖;基于Ontology的文本信息抽取[J];计算机应用研究;2003年07期
9 李向阳;苗壮;肖江;;无结构文本信息抽取综述[J];军事通信技术;2004年02期
10 韩文琳,谭连生,杨双华;基于XML技术的Web数据库信息发布系统的研究[J];中国科技信息;2005年05期
11 贺令亚;柳佳刚;;基于Web的包装器技术的现状与发展[J];电脑开发与应用;2007年06期
12 张春明;;Web挖掘技术研究[J];廊坊师范学院学报(自然科学版);2008年05期
13 张岩;;基于本体的信息抽取技术研究[J];科技信息(学术研究);2008年36期
14 邹荣;;对垂直搜索技术的分析[J];福建电脑;2009年02期
15 吴芳;郑君;刘金亮;宗克玄;;基于GATE框架的中文信息抽取技术的研究[J];电脑知识与技术;2009年24期
16 于薇;;包装器的自动生成方法介绍[J];才智;2009年28期
17 张涛;胡正华;夏明星;;远洋运输业业务邮件信息抽取系统的设计及实现[J];电脑知识与技术;2010年01期
18 朱青;吕晓旭;;基于机器学习的HTML标题抽取[J];微计算机信息;2010年09期
19 祝伟华;卢熠;刘斌斌;;基于HMM的Web信息抽取算法的研究与应用[J];计算机科学;2010年02期
20 李智辉;;数据挖掘的常用方法及其面临的问题[J];科技传播;2010年07期
中国重要会议论文全文数据库 前10条
1 崔欣辰;曲宁;陈青华;;隐马尔可夫模型在Web信息抽取中的几点改进[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年
2 李纪华;夏薇;;基于XML的web信息提取方法研究[A];全国高校社科信息资料研究会第六次会员代表大会暨第13次学术研讨会论文集[C];2010年
3 吴雪军;朱靖波;王会珍;叶娜;张宇新;;Co-Training的机器学习方法在中文机构名识别中的应用[A];语言计算与基于内容的文本处理——全国第七届计算语言学联合学术会议论文集[C];2003年
4 徐林昊;杨文柱;陈少飞;郝亚南;李天柱;;基于XPath的Web信息抽取[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年
5 姜吉发;王树西;;一种自举的二元关系获取方法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年
6 乔春庚;肖诗斌;孙丽华;施水才;;规则与统计相结合的案件名称识别[A];第三届学生计算语言学研讨会论文集[C];2006年
7 周国栋;孔芳;朱巧明;;指代消解：国内外研究现状及趋势[A];内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集[C];2007年
8 徐云风;蒋文蓉;;Web页面信息抽取的分析与研究[A];IT服务促进企业信息化——第十一届中国Java技术及应用交流大会文集[C];2008年
9 孟红;钟华;;基于htmlparser的搜索引擎信息抽取系统设计与实现[A];第六届全国信息检索学术会议论文集[C];2010年
10 丁晟春;刘逶迤;熊霞;梅健;;基于领域本体和语块分析的信息抽取的研究与实现[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年
中国博士学位论文全文数据库 前10条
1 刘亚清;开放式环境中的本体演化及其在信息抽取的应用研究[D];大连海事大学;2011年
2 刘娜;文本自动摘要和信息抽取方法及其应用研究[D];大连海事大学;2012年
3 李传席;基于本体的自适应Web信息抽取方法研究[D];中国科学技术大学;2012年
4 张奇;信息抽取中实体关系识别研究[D];中国科学技术大学;2010年
5 胡国平;基于超大规模问答对库和语音界面的非受限领域自动问答系统研究[D];中国科学技术大学;2007年
6 张乃洲;实体搜索爬虫和信息抽取研究[D];武汉大学;2011年
7 余传明;基于本体的语义信息系统研究[D];武汉大学;2005年
8 钱伟中;基于判别式模型的蛋白质互作用文本挖掘技术研究[D];电子科技大学;2011年
9 陈治平;智能搜索引擎理论与应用研究[D];湖南大学;2003年
10 滕伟;面向Web信息集成的Web信息抽取中若干关键问题的研究[D];上海交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 张志强;Web信息抽取技术研究与基于Web service的实现[D];河北大学;2004年
2 金璐钰;基于框架的事件抽取关键技术研究[D];苏州大学;2010年
3 杨柱;基于DIV标签树的网页主题信息抽取方法[D];湖南大学;2010年
4 田红;表格信息抽取引擎的设计与实现[D];西北师范大学;2004年
5 李智;基于树结构的网页数据自动抽取方法的研究与实现[D];吉林大学;2005年
6 杨文柱;基于领域知识和信息抽取的个性化Web查询系统[D];河北大学;2002年
7 陈兰;基于ontology的信息抽取系统的研究与实现[D];电子科技大学;2004年
8 孟令谦;基于ontology的中文信息抽取系统的研究与实现[D];电子科技大学;2004年
9 王花;Web信息抽取技术研究[D];西北农林科技大学;2010年
10 杨秀丽;基于网页内容分析的Web信息抽取技术及其应用[D];河北科技大学;2010年
中国重要报纸全文数据库 前10条
1 土钵　编译;WebFountain赋予Web数据意义[N];计算机世界;2004年
2 史小敏;前景广阔的信息抽取技术[N];解放军报;2004年
3 武汉 杨颖;Excel2000的Web数据发布功能[N];中国计算机报;2000年
4 ;Web数据流分析超越点击计数[N];网络世界;2000年
5 彭芳;搜索也专业[N];中国计算机报;2004年
6 本报记者 王翌;8848:优化EC流程[N];计算机世界;2004年
7 ;快速开发平台（JH.NET）[N];计算机世界;2001年
8 四川大学计算机学院 陈华英;组建基于 Web 方式的数据仓库[N];网络世界;2000年
9 周娴;三国结盟，能否迎来Linux盛世[N];中国电子报;2005年
10 ;网上之星 5600DB/V92[N];中国计算机报;2001年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978
订卡电话 400-819-9993
在线咨询 http://help.cnki.net
京ICP证040441号
京公网安备11010802020475号
©2020中国知网（CNKI）