hrvatski

Postupak čišćenja web stranica u svrhu dubinske analize teksta

Za razliku od tradicionalnih tekstovnih dokumenata, web stranice tipično sa državaju veliku količinu informacija koje se ne odnose izravno na njihov sadržaj, poput promidžbenih poruka, navigacijskih uputa, i sl. U kontekstu dubinske analize teksta i računalno-lingvističke obrade, takve informacije predstavljaju neželjeni šum. U okviru rada proučeni su postupci za automatsko čišćenje dokumenata u HTML-u od nepotrebnog sadržaja, razvijena programska implementacija postupka pogodna za ugradnju u pobirač dokumenata s web sjedišta te provedeno eksperimentalno vrednovanje postupka.

HTML; web stranice; uklanjanje šuma; automatsko čišćenje; dubinska analiza teksta

nije evidentirano