计算机应用研究

作者：翁彬月,秦永彬,黄瑞章,任丽娜,田悦霖,

单位：1.贵州大学计算机科学与技术学院,贵阳550025；2.贵州省公共大数据重点实验室,贵阳550025；3.贵州轻工职业技术学院,贵阳550025；

关键词：网页信息提取,卷积神经网络,Web挖掘,文本特征,

基金：国家自然科学基金通用联合基金重点资助项目(U1836205)；国家自然科学基金重大研究计划资助项目(91746116)；国家自然科学基金资助项目(62066007,62066008)；贵州省科技重大专项计划资助项目(黔科合重大专项字［2017］3002)；贵州省科学技术基金重点资助项目(黔科合基础［2020］1Z055)；；

目前主流的网页抽取方法存在两大问题：提取信息类型单一，难以获取多种类新闻信息；多依赖HTML标签，难以扩展至不同来源。为此提出一种基于多维度文本特征的新闻网页信息提取方法，利用新闻文本的写作特点划分出写作、语义和位置特征，通过多通道卷积神经网络融合为多维度文本特征，用于提取多种类新闻网页信息；仅需少量数据集训练，就可提取新来源的新闻网页信息。实验结果表明，该方法在性能上高于当前最优方法。

来源：2022年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第4期