【摘 要】
：
针对新闻网页文本处理问题,提出了一种基于决策树抽取新闻标题并利用单元距离识别正文的方法.该方法将文本相似度、网页标记和属性作为决策树节点选择的测试属性项,各属性项
【基金项目】
：
山西省教育科学“十三五”规划课题:“基于创新创业教育理念的大数据相关专业教学模式研究”(GH-18091),晋中学院教学改革创新项目:“创新创业教育融入数据科学和大数据技术专业教育的案例研究”(Jg201807).
论文部分内容阅读
针对新闻网页文本处理问题,提出了一种基于决策树抽取新闻标题并利用单元距离识别正文的方法.该方法将文本相似度、网页标记和属性作为决策树节点选择的测试属性项,各属性项的信息熵计算同时考虑了与标题相关和不相关的因素,在此基础上建立决策树,并根据规则定位新闻标题.利用网页标记的嵌套特征,缩小查找范围,根据网页各信息块间的显著边界定位新闻正文.实验结果表明,该方法抽取新闻标题的准确率在87%以上,抽取正文的平均准确率达到76%,对其他网页文本处理具有一定借鉴意义.
其他文献
为了明确苗期玉米根系和叶片对干旱的生理响应，采用人工控制水分的方法，研究了干旱胁迫下苗期玉米（Zea mays L .）根系和叶片的生理指标。结果表明：苗期在中度干旱胁迫处理的条件下
概述美国海事补充规则之规则B的适用条件,并对电子转账的保全、辅助国外仲裁/诉讼的保全、执行国外裁决或判决的保全及对保全的抗辩进行介绍,并分析规则B的最新发展。
“环境艺术”随着城乡建设的发展越来越被关注,所谓的环境有物质的、可视的、具体的,还有心理的、人文的、抽象的。环境艺术是指以创造性的方式使一些物质构成具有美学特征的
中共中央、国务院日前批复了《河北雄安新区规划纲要》（以下简称＂《纲要》＂）,新华社4月21日全文播发了《纲要》。《纲要》在＂城乡空间布局＂部分指出,综合考虑新区定位、发展目标和