基于VSM的網(wǎng)頁文本分類技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著信息技術(shù)的不斷發(fā)展,因特網(wǎng)上的網(wǎng)頁數(shù)量日益激增,但是Web頁面的復雜程度使得人們很難準確而快速地獲取自己所需的信息。為了使人們能夠迅速從網(wǎng)絡(luò)中獲取到自己感興趣的信息,網(wǎng)頁分類技術(shù)應運而生,并逐漸成為繼文本分類之后機器學習領(lǐng)域的研究熱點。同時這也促進了其在信息檢索、信息過濾、搜索引擎等多個領(lǐng)域的廣泛應用。
  本文首先介紹了中文文本分類的研究背景和意義,以及簡要介紹文本分類的國內(nèi)外研究現(xiàn)狀。并針對網(wǎng)頁文本分類的相關(guān)技術(shù)進行了詳細

2、地介紹,包括中文網(wǎng)頁預處理、網(wǎng)頁文本表示、特征選取技術(shù)、網(wǎng)頁分類算法和網(wǎng)頁分類效果的評價指標和幾種常見的文本分類技術(shù)。
  其次,本文結(jié)合網(wǎng)頁的半結(jié)構(gòu)化特性,并根據(jù)網(wǎng)頁中不同標簽內(nèi)的特征詞對分類結(jié)果的影響大小,以及特征詞在網(wǎng)頁中出現(xiàn)位置的語義特點,分析并提出了一種根據(jù)不同標簽和特征詞的位置的權(quán)重確定方法。同時,研究了傳統(tǒng)的tf-idf公式在網(wǎng)頁分類中的應用及其存在的不足,發(fā)現(xiàn)tf-idf公式在選擇特征詞時未考慮特征詞在類內(nèi)及類間的

3、分布情況,然而針對此不足之處對傳統(tǒng)的tf-idf公式進行了改進,提出了一種結(jié)合類內(nèi)分布率和類間偏差的特征選擇方法。本文將這兩種方法綜合起來統(tǒng)稱為基于特征詞復合權(quán)重的網(wǎng)頁分類算法WCA(Webpage Classification Algorithm)。再通過實驗證明該算法的優(yōu)越性和可行性。
  最后,本文運用改進的WCA算法并基于半監(jiān)督的機器學習理論構(gòu)建了一個網(wǎng)頁分類器,使用搜狗實驗室的互聯(lián)網(wǎng)語料庫SougouCS和網(wǎng)絡(luò)爬蟲得到的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論