| Lexical
Features |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| • | For each block: |
|||||||||||||
| – | POS tag
distribution in text |
|||||||||||||
| – | Stemmed tokens
weighted by TF×IDF |
|||||||||||||
| • | IDF from
Stanford’s web base |
|||||||||||||
| – | Number of words |
|||||||||||||
| – | Alt text of
images |
|||||||||||||
| – | Hyperlink type
(e.g., embedded image, text, mailto) |
|||||||||||||