網(wǎng)頁分類中的標簽權重自動優(yōu)化研究.pdf

1、近幾年來，隨著互聯(lián)網(wǎng)的蓬勃發(fā)展以及移動互聯(lián)網(wǎng)時代的來臨，人們的工作和生活越來越離不開互聯(lián)網(wǎng)，互聯(lián)網(wǎng)成為了人們獲取相關信息和資訊的最主要渠道。所以需要更加高效的Web數(shù)據(jù)挖掘技術。網(wǎng)頁分類是Web數(shù)據(jù)挖掘的基礎技術，因而成為十分重要的研究課題。
　　本文主要的工作圍繞如何更加有效地對網(wǎng)頁進行特征表示進行展開，分析了標簽權重系數(shù)自動調(diào)優(yōu)的必要性，介紹了各種優(yōu)化算法的基本原理，詳細分析了其各自的優(yōu)缺點，著重介紹了差分進化算法，并設計了一

2、種基于改進的差分進化算法的標簽權重系數(shù)自動尋優(yōu)方法，具體工作如下:
　　(1)針對差分進化算法容易陷入局部最優(yōu)解的缺點，提出了一種對差分進化算法的改進方法。與其他優(yōu)化算法相比，差分進化算法具有更好的效率和全局尋優(yōu)能力，但是其缺點也是顯著的。差分進化算法的局部搜索能力較弱，從而使算法過早的收斂。為解決上述缺點，提出了一種對差分進化算法的選擇策略進行改進的方案，并通過基準測試函數(shù)對其進行了驗證，實驗結(jié)果表明了改進方案的優(yōu)越性。

3、　　(2)針對現(xiàn)有的手工指定標簽權重系數(shù)的缺點，設計和實現(xiàn)了一種基于改進的差分進化算法的標簽權重系數(shù)自動尋優(yōu)方案。網(wǎng)頁中不同HTML標簽的內(nèi)容對網(wǎng)頁的概述能力是不同的，在表述網(wǎng)頁文本時，需要對不同的標簽賦予不同的權重系數(shù)?，F(xiàn)有的網(wǎng)頁分類技術多基于個人經(jīng)驗對標簽的權重系數(shù)進行手工指定，因而具有一定的隨機性，且不能適應樣本集的變化。因而，需要有效的優(yōu)化算法對標簽權重進行自動設定。本文設計的方案以一組標簽的權重系數(shù)作為尋優(yōu)對象，并使用本文提出