

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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的日益普及和迅猛發(fā)展,網(wǎng)絡(luò)上的信息量呈現(xiàn)爆炸式的增長,搜索引擎成為人們獲取信息的主要方式,而且越來越受到重視。重復(fù)網(wǎng)頁檢測一直以來都是搜索引擎研究的重點。本文就如何提高中文重復(fù)網(wǎng)頁的檢測算法效率進(jìn)行研究。
通過比較目前國內(nèi)外重復(fù)網(wǎng)頁檢測的若干方法,本人發(fā)現(xiàn)基于內(nèi)容的重復(fù)網(wǎng)頁檢測算法有較好的效果,而且加入鏈接和鏈接信息并沒有明顯改善算法性能,于是著手研究基于內(nèi)容的檢測算法。
DSC重復(fù)網(wǎng)頁檢測算法是典
2、型的基于內(nèi)容的重復(fù)網(wǎng)頁檢測算法,并且被廣泛應(yīng)用。該算法基于網(wǎng)頁語法提取網(wǎng)頁特征,實驗發(fā)現(xiàn)該算法不適用于短小文檔的檢測。Google對DSC算法的試驗評估發(fā)現(xiàn)在該算法中加入詞頻信息會提高算法效率。本文結(jié)合了詞頻統(tǒng)計和自然語言理解等策略,在計算詞條權(quán)重時考慮了詞頻,倒置文檔頻率,位置等內(nèi)容信息,各種信息按一定比例用統(tǒng)計的方法得到關(guān)鍵詞權(quán)值;另外本文將向量空間模型應(yīng)用到網(wǎng)頁相似度計算中來,將網(wǎng)頁進(jìn)行解析預(yù)處理,提取出網(wǎng)頁純文本,然后進(jìn)行網(wǎng)頁中
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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 近重復(fù)視頻檢測算法研究.pdf
- 基于TrustRank的垃圾網(wǎng)頁檢測算法研究.pdf
- 鏈接作弊垃圾網(wǎng)頁的檢測算法研究.pdf
- 數(shù)據(jù)挖掘中的重復(fù)記錄檢測算法研究.pdf
- 基于段落指紋的大規(guī)模近似網(wǎng)頁檢測算法研究.pdf
- 基于聚類樹的相似重復(fù)記錄檢測算法改進(jìn)研究.pdf
- 基于局部關(guān)鍵點特征的視頻近重復(fù)檢測算法研究.pdf
- 基于重復(fù)串的STC網(wǎng)頁去重算法研究.pdf
- 基于可變滑動窗口的相似重復(fù)記錄檢測算法研究與設(shè)計.pdf
- 離群檢測算法研究.pdf
- 諧波檢測算法研究.pdf
- 搜索引擎重復(fù)網(wǎng)頁檢測技術(shù)研究.pdf
- 基于文化算法的入侵檢測算法研究.pdf
- 目標(biāo)快速檢測算法的研究.pdf
- ECG參數(shù)檢測算法的研究.pdf
- 虹膜噪聲檢測算法的研究.pdf
- 車牌檢測算法研究.pdf
- 入侵檢測算法研究.pdf
- 焊縫缺陷檢測算法研究.pdf
- 音頻廣告檢測算法研究.pdf
評論
0/150
提交評論