HTML页面中的文献记录分析算法

曾庆涛^1,2, 解凯¹, 李业丽¹, 王欣刚³, 叶宇姗¹, 马少平²

1. 北京印刷学院 信息工程学院, 北京 102600;
2. 清华大学 计算机科学与技术博士后流动站, 北京 100084;
3. 国家新闻出版广电总局 广播电视卫星直播管理中心, 北京 100045

收稿日期:2016-05-26出版日期:2017-09-28

作者简介:曾庆涛(1982-),男,讲师,E-mail:jiakechongbeijing@163.com.
基金资助:北京市教委科技创新服务能力建设项目（PXM2016_014223_000025）；北京印刷学院校级重点项目（ea201507）；北京印刷学院教师队伍建设—博士启动金项目（27170116005/062）；北京印刷学院科研项目—出版物数据资产评估实验室建设项目（20190116005/006）.

Analysis Algorithm of Reference Record in HTML Page

ZENG Qing-tao^1,2, XIE Kai¹, LI Ye-li¹, WANG Xin-gang³, YE Yu-shan¹, MA Shao-ping²

1. School of Information Engineering, Beijing Institute of Graphic Communication, Beijing 102600, China;
2. Postdoctoral Research Station in Computer Science and Technology, Tsinghua University, Beijing 100084, China;
3. Broadcast and Television Direct Broadcasting Satellite Management Center, The State Administration of Press, Publication, Radio, Film and Television, Beijing 100045, China

Received:2016-05-26Online:2017-09-28

摘要/Abstract

摘要： 为了使出版机构能够及时从大量网页中发现所需文献，需要设计能够从超文本标记语言页面中自动提取文献信息的算法.为此，设计了基于条件随机场的文献记录分析算法：首先，设计了文档对象树的分割算法，通过分割标记将页面数据分成独立的部分，这些数据块由标签和文本序列构成；随后，将该序列作为条件随机场模型的特征向量，建立文献信息标记模型；最后，设计启发式算法，从标记模型中提取文献信息数据，并通过实验验证了其有效性.
中图分类号:
TP393

引用本文

曾庆涛, 解凯, 李业丽, 王欣刚, 叶宇姗, 马少平. HTML页面中的文献记录分析算法[J]. 北京邮电大学学报, 2017, 40(s1): 85-88.
ZENG Qing-tao, XIE Kai, LI Ye-li, WANG Xin-gang, YE Yu-shan, MA Shao-ping. Analysis Algorithm of Reference Record in HTML Page[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(s1): 85-88.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3076