I forgot to reply-all on this:<br><br><div class="gmail_quote">On Fri, Aug 5, 2011 at 2:49 PM, Siddhartha Jonnalagadda <span dir="ltr"><<a href="mailto:sid.kgp@gmail.com">sid.kgp@gmail.com</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex;">
<font face="verdana,sans-serif">boilerpipe [1] served my purposes temporarily. When I tried to do more serious stuff such as reading the news, it fails. For example, consider:<br> <a href="http://www.innovations-report.com/html/reports/studies/report-92130.html" target="_blank">http://www.innovations-report.com/html/reports/studies/report-92130.html</a><br>


it pulls only what is not relevant<br><br>or <a href="http://www.highbeam.com/doc/1P1-160189301.html" target="_blank">http://www.highbeam.com/doc/1P1-160189301.html</a><br>it pulls stuff from related articles, which I'm not interested in. <br>


<br></font>[1] Christian Kohlschütter, Peter Fankhauser and Wolfgang Nejdl,<br><a href="http://www.l3s.de/%7Ekohlschuetter/publications/wsdm187-kohlschuetter.pdf" target="_blank">Boilerplate
Detection using Shallow Text Features</a>,<br>
WSDM 2010 -- The Third ACM International Conference on Web Search and
Data Mining New York City, NY USA.
<br><font face="verdana,sans-serif"><br>Any suggestions on tools or addons?<br><br clear="all"></font><span style="font-family:verdana,sans-serif">Sincerely,</span><br style="font-family:verdana,sans-serif"><font color="#888888"><span style="font-family:verdana,sans-serif">Siddhartha Jonnalagadda, </span>Ph.D.<br style="font-family:verdana,sans-serif">


<span style="font-family:verdana,sans-serif"></span><span style="font-family:verdana,sans-serif"></span><a style="font-family:verdana,sans-serif" href="http://sjonnalagadda.wordpress.com" target="_blank">sjonnalagadda.wordpress.com</a><br style="font-family:verdana,sans-serif">


<br style="font-family:verdana,sans-serif"><br>
</font><br>_______________________________________________<br>
UNSUBSCRIBE from this page: <a href="http://mailman.uib.no/options/corpora" target="_blank">http://mailman.uib.no/options/corpora</a><br>
Corpora mailing list<br>
<a href="mailto:Corpora@uib.no">Corpora@uib.no</a><br>
<a href="http://mailman.uib.no/listinfo/corpora" target="_blank">http://mailman.uib.no/listinfo/corpora</a><br>
<br></blockquote></div><br>