火车头网页正文提取演示程序

作者:火车头 发布于:2010-12-21 17:40 Tuesday 分类:开发计划

信息抽取技术是一种广泛运用于互联网的数据挖掘技术。其目的是从互联网海量数据中抽取有意义、有价值的数据和信息,从而能更好的利用互联网资源。

正文提取就是将网页中的正文部分抽取出来。合肥乐维信息技术公司根据此前的技术积累,做成此演示程序供大家测试。希望大家积极提供宝贵的测试意见,以便我们应用到在正进行的站群软件开发中,服务广大站长。

该演示程序支持 任意网页(当然最好是内容正文页),自动识别编码,支持中英文等内容主体识别,经简单测试,正确率在90%以上,欢迎大家试用。

点击查看原图

该功能的测试请下载V8版本火车采集器,在高级菜单的“正文提取测试”中测试该功能。

标签: 正文提取 网页正文提取 text extract

评论(15) 引用(0) 浏览(11970)

Powered by emlog