NEMTF：基于多維度文本特征的新聞網(wǎng)頁信息提取方法

打開文本圖片集

摘要：目前主流的網(wǎng)頁抽取方法存在兩大問題：提取信息類型單一，難以獲取多種類新聞信息；多依賴HTML標(biāo)簽，難以擴展至不同來源。為此提出一種基于多維度文本特征的新聞網(wǎng)頁信息提取方法，利用新聞文本的寫作特點劃分出寫作、語義和位置特征，通過多通道卷積神經(jīng)網(wǎng)絡(luò)融合為多維度文本特征，用于提取多種類新聞網(wǎng)頁信息；僅需少量數(shù)據(jù)集訓(xùn)練，就可提取新來源的新聞網(wǎng)頁信息。（剩余16544字）