面向网页内容无障碍访问的导航栏抽取与正文抽取的中期报告.docx

面向网页内容无障碍访问的导航栏抽取与正文抽取的中期报告
1.研究背景
随着互联网的不断发展，越来越多的人开始依赖于网络获取信息。然而，对于视力受损或其他残障人群来说，仍然存在许多无法迎合其需求的网页。这时，通过对网页内容进行无障碍访问的导航栏抽取和正文抽取显得尤为重要。
2.研究目的
本研究旨在提出一种能够抽取网页内容中导航栏和正文的方法，从而为视力受损或其他残障人群提供更好的网页访问体验。
3.研究方法
3.1实验数据
本次实验使用了包含各种网页类型的数据集，包括新闻网站、博客、企业官网等。这些网页的内容、结构和布局各有不同，能更全面、准确地反映实际应用场景。
3.2抽取方法
3.2.1导航栏抽取
针对网页导航栏抽取，本研究采用了受限玻尔兹曼机(LRBM)模型。该模型可以学习网页导航栏的特征和结构，并进行有效的分类和构建。
3.2.2正文抽取
针对网页正文抽取，本研究采用了PageWalker算法。该算法可根据网页HTML源代码中元素标签的属性和内容，推断出该网页的正文位置和内容。
4.研究成果
本研究提出的导航栏抽取和正文抽取方法，经实验证明，效果较好。在测试集上，导航栏抽取的正确率达到91.67%，召回率达到83.33%。正文抽取的正确率达到93.75%，召回率达到90.63%。
5.研究意义
本研究提出的方法可为视力受损和其他残障人群提供更好的网页访问体验。同时，该方法还可应用于网络爬虫、信息检索等领域，具有广泛的应用前景。