Web結(jié)構(gòu)挖掘算法研究.pdf_第1頁
已閱讀1頁,還剩46頁未讀 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、Web挖掘是傳統(tǒng)的數(shù)據(jù)挖掘理論在Web中的應(yīng)用,其涉及多學(xué)科領(lǐng)域的知識,如計算機(jī)網(wǎng)絡(luò)、數(shù)學(xué)、人工智能等,是一個交叉性的研究領(lǐng)域。Web結(jié)構(gòu)挖掘(Web Structure Mining)是Web挖掘研究領(lǐng)域的重要分支,它是通過分析各種網(wǎng)頁結(jié)構(gòu)間的關(guān)系信息,從而尋找潛藏在頁面內(nèi)容之外但有潛在價值的信息的過程。 其中,這些網(wǎng)頁結(jié)構(gòu)信息主要包含以下三種:頁面之間的超鏈接結(jié)構(gòu)關(guān)系,可以用超文本標(biāo)記語言(HTML)或可擴(kuò)展標(biāo)記語言(XML

2、)表示的網(wǎng)頁中的樹型結(jié)構(gòu)(DOM),頁面統(tǒng)一資源定位(URL)中起組織和表現(xiàn)形式作用的文件目錄結(jié)構(gòu)。 文章首先分析了經(jīng)典結(jié)構(gòu)挖掘算法PageRank、HITS及其改進(jìn)算法,對算法中存在的問題進(jìn)行了系統(tǒng)的闡述。 PageRank算法是通過離線狀態(tài)計算的,因而具有較快的響應(yīng)速度,但其沒有考慮與查詢主題之間的關(guān)系,導(dǎo)致結(jié)果的主題性很差;HITS算法則是根據(jù)查詢文本進(jìn)行的運(yùn)算,需要在線狀態(tài)完成所有的工作,因此相比前者響應(yīng)速度比較

3、慢。 針對這些問題本文提出了B-PH算法(Algorithm based on PageRank and HITS),該算法充分結(jié)合了文檔內(nèi)容和超鏈接結(jié)構(gòu),使得結(jié)果頁面集更具有權(quán)威性和相關(guān)性。 最后通過實(shí)驗(yàn)系統(tǒng)對真實(shí)數(shù)據(jù)的檢測,通過與經(jīng)典算法對比驗(yàn)證了該算法的可行性和有效性。 本文所做的主要工作: 1.對經(jīng)典結(jié)構(gòu)挖掘算法進(jìn)行了分析,并對算法中存在的問題進(jìn)行了系統(tǒng)的闡述。 2.提出了Web噪音鏈接處

4、理的新方法,有效地提高了算法的效率。 3.提出了B-PH算法(Algorithm based on PageRank and HITS)。該算法在HITS算法框架基礎(chǔ)上結(jié)合了PageRank,極大地減少了主題漂移現(xiàn)象,提高了查詢效率和質(zhì)量。 4.提出了檢驗(yàn)B-PH算法的實(shí)驗(yàn)?zāi)P停㈤_發(fā)了DotNet環(huán)境下基于B/S架構(gòu)的Web應(yīng)用實(shí)驗(yàn)系統(tǒng),系統(tǒng)通過對真實(shí)數(shù)據(jù)處理,驗(yàn)證了算法的可行性和有效性;最后對處理結(jié)果進(jìn)行了對比分析。

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。

評論

0/150

提交評論