작은 화면에서의 웹 브라우징 성능 향상을 위한 웹 페이지 본문 추출 방법(발표용 PPT)

소개글

모바일 기기의 성능이 나날이 향상되고 있다. 이러한 모바일 기기의 성능 향상은 사용자에게 보다 다양한 업무를 처리할 수 있도록 해주었고, 그 중에 가장 큰 부분을 차지하는 것이 모바일 웹 서핑이다. 이제 언제 어디서든 휴대폰 하나만 있으면 웹 서핑을 할 수 있는 인프라가 마련되었지만 모바일 기기의 작은 화면에 효율적으로 웹 페이지를 보여 주는 것은 여전히 과제로 남아있다. 본 논문에서는 상기 과제를 해결하기 위한 방법으로써 웹페이지를 블록 단위의 계층구조로 재구성하고, 각 블록에 대해 휴리스틱 규칙을 적용하여 메인 콘텐츠를 찾아내는 방법을 제안한다. 웹 페이지의 시각적 요소를 기반으로 하여 콘텐츠 블록을 찾아내는 과정과 메인 콘텐츠를 찾기 위한 휴리스틱 규칙에 대해 기술하며, 제안된 방법을 활용하여 다수의 사이트로부터 콘텐츠의 본문과 본문에 포함된 이미지를 추출하는 실험을 통해 본 논문에서 제안된 방법의 실효성을 검증한다.

목차

1. 서론

2. 관련연구
2.1. 작은 화면에서의 웹 브라우징
2.2. 본문 추출(Primary Content Extraction)

3. 제안하는 본문 추출 방법
3.1 불필요한 DOM 요소 제거
3.2. 텍스트밀도 스코어 계산
3.3. 본문 요소 확장

4. 실험
4.1. 실험데이터 집합
4.2. 평가 방법

5. 실험 결과

6. 결론 및 향후 연구

본문내용

웹 페이지 본문의 특징은 다음과 같다
본문 내에는 링크가 드물다
본문은 비교적 장문의 텍스트를 포함한다
본문을 레이아웃을 구성하는 태그는 비교적 적다.

본문의 특징을 반영하기 위하여 각각의 DOM 요소를 다음의 네 가지 요소로 분류하였다.
링크 요소 – 하이퍼링크를 생성하는 요소
텍스트 요소 – 순수한 텍스트 요소
레이아웃 요소 – 레이아웃을 형성하는 요소
기타 요소 – 화면에 보이지 않는 요소

앞서 설명한 네 가지 요소 중 링크 요소와 기타 요소를 제거하고 텍스트 요소와 레이아웃 요소를 이용하여 본문을 탐색한다.

제안한 방법은 다음의 세 단계를 거친다
불필요한 DOM 요소 삭제
텍스트 밀도 스코어 계산
본문 요소 확장

알고리즘의 성능 향상을 위하여 본문 탐색에 불필요한 DOM 요소들을 삭제한다.
<SCRIPT>, <STYLE> 과 같이 화면에 보이지 않는 요소들
<FONT>, <B>, <U>와 같이 텍스트의 외형에만 영향을 미치는 요소들
링크를 생성하는 <A> 요소

참고 자료

없음