Recommended
Recommended
More Related Content
Featured
Featured (20)
Dom tree text destiny
- 2. Makalenin Tanıtımı İlgili Kavramlar İçerik Çıkarma Uygulama Sonuçlar
- 3. Makalenin Tanıtımı İlgili Kavramlar İçerik Çıkarma Uygulama Sonuçlar
- 4. Yazarlar Fei Sun Dandan Song Lejian Liao School of Computer Science Beijing Institute of Technology Detaylar SIGIR 2011 Web Sayfası: http://disnet.cs.bit.edu.cn/ Uygulama Kodları: https://github.com/FeiSun/ContentExtraction Veri Seti: CETD Dataset
- 5. Makalenin Tanıtımı İlgili Kavramlar İçerik Çıkarma Uygulama Sonuçlar
- 6. Yahoo Google
- 7. Web sayfalarında asıl içeriğin dışında kalan, Navigasyon Banner Reklam görüntüleri Arama motorlarının verimliliği açısından önemli bir handikaptır. Sitedeki anlamlı esas içeriği yakalamak için yok sayılması veya yok edilmesi gerekmektedir.
- 9. i web sayfasındaki bir tagdır (). Ci: i tagı içindeki karakter adedi Ti: i tagı içindeki tag adedi TDi: i tagının text yoğunluğu Ti: 0 olduğunda 1 ile değiştirilir. DOM Tree de bulunan script, comment, style vb. taglar kaldırılır veya yok sayılır.
- 13. LCi: i tagı linklerin içindeki karakter adedi ¬LCi: i tagı içindeki (link olmayan) karakter adedi LTi: i tagı içindeki link tagı adedi LCb: <body> tagı içindeki link tagı adedi Cb: <body> tagı içindeki karakter adedi CTDi: i tagının composite text yoğunluğu
- 15. Makalenin Tanıtımı İlgili Kavramlar İçerik Çıkarma Uygulama Sonuçlar
- 16. Bazı taglarda (haber başlığı, özeti, tarih bilgisi, referanslar vb.) düşük metin yoğunluğu olabilir. Aksine bazı gürültü taglarında (telif hakkı veya yasal uyarı metinleri) da yüksek metin yoğunluğu olabilir.
- 17. En basit durumda içerik sadece bir node içerisinde olabilir. Bu durumda text yoğunluğu sadece bir tagın maximum çıkar ve burası içerik olarak belirlenir. Fakat bir çok sitede içerik bir node ile sınırlı değildir. Bunları kapsayan node göz önüne alınmalıdır. Başlangıç için <body> tagının text yoğunluğu baz alınır Diğer her node adımda maximum text yoğunluğu olan tag eşik olarak tutulur.
- 19. Makalenin Tanıtımı İlgili Kavramlar İçerik Çıkarma Uygulama Sonuçlar
- 20. Data Set CleanEval : Temizlik için özel hazırlanmış veri setidir. İngilizce ve Çince versiyonu vardır. Bu uygulamada sadece İngilizce versiyonu kullanılmıştır. CETD : (1) The Big 5 : Ars Technica, BBC, Yahoo!, New York Times, Wikipedia, and (2) the Chaos data set chosen randomly from Google News and the best-known blog platforms such as WordPress and Blogger. Tiny RapidXML
- 22. Makalenin Tanıtımı İlgili Kavramlar İçerik Çıkarma Uygulama Sonuçlar
- 23. CETD-DS: Text Density with DensitySum CECTD-DS: Composite Text Density with DensitySum CECTD-S: Composite Text Density with Smoothing
- 28. Mehmet Süleyman YILDIRIM Turgut Özal Üniversitesi Elektrik ve Bilgisayar Mühendisliği