In this example, you can see that t

In this example, you can see that the text in blue circle
contains a hyperlink, for this case, because the traditional
DOM tree methods always use the text-link ratio (ratio of the
length of the text in the node and the length of the hyperlink
text in the node) to judge whether the node is a text node, the
text in blue circle will always be treated as a pure link which
has no sense, they will be thrown away wrongly too.
In our method, we’ll use the VIPS algorithm to overcome
this problem and improve the performance of the webpage
content extraction. For VIPS can divide the webpage into
some semantic blocks, it can get a whole view of the
webpage and get the position information of each block. In
order to recall the sentences which are thrown away, we’ll
keep the DOM tree node tag when using traditional method
to extract the content. The steps are as follows.
1. Using VIPS to divide the webpage into several
blocks and keep the coordinate information of each
block and the node tag in each block.
2. Using traditional method to extract the content of
the webpage and keep the html tag information of
each content node.
3. Using the coordinate information of each block to
determine which blocks should be content blocks.
4. Map the extracted content node tag sequence to the
content block according to the node tag and the
content itself. If some node tags in content block
don’t appear in extracted content node tag sequence,
we recall the node and the text in this node.

ผลลัพธ์ (ไทย) 1:

ในตัวอย่างนี้ คุณสามารถดูที่ข้อความในวงกลมสีน้ำเงินประกอบด้วยการเชื่อมโยงหลายมิติ ในกรณีนี้ เนื่องจากแบบดั้งเดิมโดมทรีวิธีใช้ลิงค์ข้อความอัตราส่วน (อัตราส่วนของการความยาวของข้อความในโหนดและความยาวของการเชื่อมโยงหลายมิติข้อความโหนด) เพื่อตัดสินว่าโหนโหนข้อความ การข้อความในวงกลมสีฟ้าจะได้รับเสมอเป็นความบริสุทธิ์ลิงค์ที่มีความรู้สึกไม่ พวกเขาจะขึ้นไปผิดไปในวิธีการของเรา เราจะใช้อัลกอริทึม VIPS จะเอาชนะปัญหา และปรับปรุงประสิทธิภาพการทำงานของเว็บเพจแยกเนื้อหา สำหรับ VIPS สามารถแบ่งเว็บเพจที่เป็นบล็อกบางความหมาย ก็จะได้รับมุมมองทั้งหมดของการเว็บเพจและได้รับข้อมูลตำแหน่งของแต่ละบล็อค ในเพื่อที่จะจำประโยคที่จะโยนออกไป เราจะเก็บป้ายโหนต้นไม้ DOM เมื่อใช้วิธีการแบบดั้งเดิมแยกเนื้อหา ขั้นตอนมีดังนี้1. ใช้ VIPS แบ่งเว็บเพจได้หลาย ๆบล็อกและเก็บข้อมูลการประสานงานของแต่ละบล็อกและแท็กโหนในแต่ละบล็อค2. ใช้วิธีการแบบเดิมเพื่อแยกเนื้อหาของเว็บเพจและให้ html แท็กข้อมูลโหนดแต่ละเนื้อหา3. ใช้ข้อมูลการประสานงานของแต่ละบล็อกไปกำหนดช่วงใดควรจะบล็อกเนื้อหา4. แผนที่ลำดับป้ายโหนแยกเนื้อหาที่จะบล็อกเนื้อหาตามแท็กโหนและเนื้อหาเอง ถ้าโหนบางแท็กในเนื้อหาไม่ปรากฏขึ้นในโหนเนื้อหาแยกแท็กลำดับเราเรียกคืนข้อความในโหนดนี้และโหนด

ผลลัพธ์ (ไทย) 3:

ในตัวอย่างนี้ คุณสามารถเห็นได้ว่าข้อความใน
วงกลมสีฟ้าที่มีเชื่อมโยงหลายมิติ สำหรับคดีนี้ เพราะดั้งเดิม
ดอมต้นไม้วิธีการมักจะใช้ข้อความลิงค์ Ratio ( อัตราส่วนของ
ความยาวของข้อความในโหนดและความยาวของการเชื่อมโยงหลายมิติ
ข้อความในโหนดโหนด ) ตัดสินว่า เป็นข้อความที่โหนด
ข้อความในวงกลมสีฟ้าจะถูกถือว่าเป็นบริสุทธิ์ลิงค์ที่
ไม่มีความรู้สึกพวกเขาจะทิ้งผิดเหมือนกัน . . . . . .
ในวิธีของเรา เราก็จะใช้วิธีที่จะเอาชนะปัญหานี้
วีไอพี และเพิ่มประสิทธิภาพของหน้าเว็บ
เนื้อหาการสกัด สำหรับวีไอพีสามารถแบ่งเว็บเพจเป็น
บางความหมายบล็อกมันสามารถได้รับมุมมองทั้งหมดของ
เว็บเพจและได้รับตำแหน่งข้อมูลของแต่ละบล็อก ใน
เพื่อให้ระลึกถึงประโยคที่ทิ้งเราจะ
เก็บแท็กต้นไม้โหนด DOM เมื่อใช้
วิธีดั้งเดิมเพื่อสกัดเนื้อหา ขั้นตอนมีดังนี้ .
1 การแบ่งเว็บเพจเป็นวีไอพีหลาย
บล็อก และเก็บข้อมูลพิกัดของแต่ละ
บล็อกและโหนดแท็กในแต่ละบล็อก .
2 การใช้วิธีแบบดั้งเดิมเพื่อแยกเนื้อหาของหน้าเว็บและเก็บ

เนื้อหาของแท็ก HTML ข้อมูลแต่ละโหนด .
3การประสานข้อมูลแต่ละบล็อก

ตรวจสอบที่บล็อกควรจะบล็อกเนื้อหา .
4 แผนที่แยกเนื้อหาโหนดแท็กลำดับ
บล็อกเนื้อหาตามโหนดแท็ก
เนื้อหาเอง ถ้าบางโหนดแท็กใน
เนื้อหาบล็อกไม่ปรากฏในการสกัดเนื้อหาโหนดแท็กลำดับ
เราเรียกคืนโหนดและโหนดข้อความในนี้