NEMTF:基于多维度文本特征的新闻网页信息提取方法

NEMTF: method of news Web content extraction based on multi-dimensional text features
翁彬月1,2
秦永彬1,2
黄瑞章1,2
任丽娜1,2,3
田悦霖1,2
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

摘要

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。

基金项目

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)

出版信息

DOI: 10.19734/j.issn.1001-3695.2021.10.0407
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第4期
所属栏目: 算法研究探讨
出版页码: 1043-1048
文章编号: 1001-3695(2022)04-014-1043-06

发布历史

[2021-12-08] 优先出版
[2022-04-05] 印刷出版

引用本文

翁彬月, 秦永彬, 黄瑞章, 等. NEMTF:基于多维度文本特征的新闻网页信息提取方法 [J]. 计算机应用研究, 2022, 39 (4): 1043-1048. (Weng Binyue, Qin Yongbin, Huang Ruizhang, et al. NEMTF: method of news Web content extraction based on multi-dimensional text features [J]. Application Research of Computers, 2022, 39 (4): 1043-1048. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊