基于增量式爬取和非文本內(nèi)容評(píng)估的網(wǎng)站無障礙檢測系統(tǒng).pdf

1、無障礙檢測是保障網(wǎng)頁內(nèi)容無障礙訪問的基礎(chǔ)。在對(duì)政府網(wǎng)站的檢測過程中，我們發(fā)現(xiàn)曾經(jīng)達(dá)到無障礙訪問要求的網(wǎng)站中，部分網(wǎng)頁新增了存在障礙的內(nèi)容，例如圖片沒有替代文本。因此，為了保障檢測結(jié)果的正確性，需要檢測系統(tǒng)能夠及時(shí)地對(duì)網(wǎng)站新增的內(nèi)容進(jìn)行檢測。
　　對(duì)于這種情況，傳統(tǒng)的檢測方法是抓取整個(gè)網(wǎng)站進(jìn)行無障礙檢測，但是，在一段時(shí)間內(nèi)，政府機(jī)構(gòu)網(wǎng)站新增加的網(wǎng)頁數(shù)量有限，遠(yuǎn)低于網(wǎng)站總網(wǎng)頁數(shù)目，將整個(gè)網(wǎng)站的數(shù)據(jù)抓取下來進(jìn)行檢測不僅費(fèi)時(shí)費(fèi)力，而且，短

2、期內(nèi)抓取眾多的政府網(wǎng)站的數(shù)據(jù)也是不現(xiàn)實(shí)的。針對(duì)上述問題，本文提出了一種基于網(wǎng)頁分類的增量式網(wǎng)頁抓取方法。它是通過分析網(wǎng)頁的內(nèi)容特征和結(jié)構(gòu)特征，采用機(jī)器學(xué)習(xí)的分類方法將網(wǎng)頁分成索引頁面和內(nèi)容頁面，進(jìn)而通過索引頁面發(fā)現(xiàn)新增網(wǎng)頁的方法。
　　另外，通過分析我們抓取的網(wǎng)頁發(fā)現(xiàn)政府網(wǎng)站使用的網(wǎng)頁模板是相對(duì)固定的，而引起網(wǎng)站訪問障礙的大部分是網(wǎng)站中的非文本內(nèi)容，因此對(duì)網(wǎng)頁中非文本內(nèi)容的檢測成為無障礙檢測的重點(diǎn)。本文通過分析非文本內(nèi)容的替代內(nèi)容