HTML 본문 추출을 위한 새로운 시각적 Feature
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 정근성 | - |
dc.contributor.author | 차재혁 | - |
dc.date.accessioned | 2023-06-01T07:09:32Z | - |
dc.date.available | 2023-06-01T07:09:32Z | - |
dc.date.created | 2023-05-03 | - |
dc.date.issued | 2023-04 | - |
dc.identifier.issn | 1598-2009 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/185904 | - |
dc.description.abstract | HTML 본문 추출이란 웹페이지의 본문 영역과 그 내용을 파악하는 기술이다. 기존 기술들이 본문 구별을 위해 사용하는 feature 는 주로 HTML 노드의 태그로 구성한 구조적 feature 이거나 노드가 포함하는 텍스트의 통계값으로 이루어진 텍스트 feature 이다. 그러나 이 feature 들은 웹페이지 템플릿의 유행, 언어, 지역 등에 의존적이다. 따라서 이 feature 들을 활용한 알고리즘이나 모델은 웹페이지의 언어나 환경으로 인한 성능 편차가 발생할 수 있다. 따라서 본 논문에서는 다국어 웹페이지에 대한 HTML 본문 추출 성능 저하를 최소화한 새로운 시각적 feature 들을 제안한다. 이 feature 들은 브라우저에 렌더링 된 HTML 노드의 결과의 속성에 기원하며, 언어나 지역의 영향이 상대적으로 적다. 본 논문에서는 Google TabNet 심층 신경망 아키텍처를 활용하여 기존의 구조적, 텍스트 feature 만을 학습한 신경망 모델 및 기존 feature 에 새롭게 제시한 시각적 feature 을 추가한 모델을 각각 학습하고 본문 추출 성능을 비교하여 본 논문에서 제시한 시각적 feature 의 성능 개선 효과를 입증하였다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국디지털콘텐츠학회 | - |
dc.title | HTML 본문 추출을 위한 새로운 시각적 Feature | - |
dc.title.alternative | New Visual Features for HTML Main Content Extraction | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 차재혁 | - |
dc.identifier.doi | 10.9728/dcs.2023.24.4.691 | - |
dc.identifier.bibliographicCitation | 디지털콘텐츠학회논문지, v.24, no.4, pp.691 - 699 | - |
dc.relation.isPartOf | 디지털콘텐츠학회논문지 | - |
dc.citation.title | 디지털콘텐츠학회논문지 | - |
dc.citation.volume | 24 | - |
dc.citation.number | 4 | - |
dc.citation.startPage | 691 | - |
dc.citation.endPage | 699 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002952456 | - |
dc.description.journalClass | 2 | - |
dc.description.isOpenAccess | Y | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | Main content extraction | - |
dc.subject.keywordAuthor | Webpage | - |
dc.subject.keywordAuthor | Web content extraction | - |
dc.subject.keywordAuthor | Deep neural net model | - |
dc.subject.keywordAuthor | Google TabNet | - |
dc.subject.keywordAuthor | 주요 콘텐츠 추출 | - |
dc.subject.keywordAuthor | 웹페이지 | - |
dc.subject.keywordAuthor | 웹 콘텐츠 추출 | - |
dc.subject.keywordAuthor | 신경망 모델 | - |
dc.subject.keywordAuthor | Google TabNet | - |
dc.identifier.url | http://journal.dcs.or.kr/_common/do.php?a=full&b=12&bidx=3284&aidx=36513 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
222, Wangsimni-ro, Seongdong-gu, Seoul, 04763, Korea+82-2-2220-1365
COPYRIGHT © 2021 HANYANG UNIVERSITY.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.