気に入った記事をブックマーク
- 気に入った記事を保存できます
保存した記事の一覧は、はてなブックマークで確認・編集ができます
- 記事を読んだ感想やメモを書き残せます
- 非公開でブックマークすることもできます
Webページの本文抽出 (nakatani @ cybozu labs)
322 users
labs.cybozu.co.jp
labs.cybozu.co.jp
labs.cybozu.co.jp
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
Webページの自動カテゴライズ の続き。 前回書いたとおり、パストラックで行っている Web ページのカテ... Webページの自動カテゴライズ の続き。 前回書いたとおり、パストラックで行っている Web ページのカテゴライズでは、Web ページの本文抽出がひとつの鍵になっています。今回はその本文抽出モジュールを公開しつつ、使っている技法をざっくり解説などしてみます。 本モジュールの利用は至極簡単。require して analyse メソッドに解析したい html を与えるだけ。文字コードは UTF-8 です。 【追記】大事なこと書き忘れ。本モジュールは Ruby1.8.5 で動作確認していますが、特別なことはしていないので、1.8.x なら動くと思います。 $KCODE="u" # 文字コードは utf-8 require 'extractcontent.rb' # オプション値の指定 opt = {:waste_expressions => /お問い合わせ|会社概要/} ExtractCont
labs.cybozu.co.jp
labs.cybozu.co.jp
labs.cybozu.co.jp
labs.cybozu.co.jp
anond.hatelabo.jp
toyokeizai.net
kuruma-news.jp
www3.nhk.or.jp
nlab.itmedia.co.jp
www.itmedia.co.jp
blog.tinect.jp
note.com/kirik
anond.hatelabo.jp
news.yahoo.co.jp
akiko42life.hatenablog.com
rubese.net
2007/10/30 リンク