FITLayout Web Page Segmentation Framework

web page segmentation, document analysis, text classification, web page rendering

FitLayout je rozšiřitelný rámec pro segmentaci webových stránek vytvořený v jazyce Java. Definuje obecné aplikační rozhraní pro reprezentaci renderované webové stránky a jejího členění na vizuální oblasti a zajišťuje základ pro implementaci segmentačních algoritmů se společným aplikačním rozhraním. Jako demonstrační segmentační metodu implementuje dříve publikovaný algoritmus založený na rekuzivním spojování vizuálních oblastí a detekci oddělovačů. Rámec obsahuje i nástroje pro další zpracování výsledků segmentace pomocí klasifikace vizuálních nebo textových rysů jednotlivých oblastí. Rovněž obsahuje nástroje pro ovládání segmentačního procesu a zkoumání výsledků segmentace pomocí grafického uživatelského rozhraní. Výsledek segmentace může být rovněž uložen ve formátu RDF pro další zpracování.

http://www.fit.vutbr.cz/~burgetr/FITLayout/

Volně šiřitelný software poskytovaný pod licencí GNU GPL.