我正在开发一个java应用程序,它可以从不同的网页
获取文本信息,并将其汇总到一个
页面.例如,假设我在不同的网页上有新闻,如印度教,印度时报,政治家等.现在我的应用程序应该从这些
页面的每一个中
提取重要点,并将它们作为单个新闻组合在一起.应用程序基于Web
内容挖掘的概念.作为该领域的初学者,我无法理解从哪里开始我已经通过研究论文解释了噪声
去除作为建立这个应用程序的第一步.
所以,如果给我一个新闻网页,第一步是从页面中提取主要新闻,不包括超链接,广告,无用图像等.我的问题是我该怎么做？请给我一些很好的教程,解释使用Web内容挖掘实现这种应用程序.或者至少给我一些提示如何实现它？
