基于粗糙集的“規(guī)則+例外”網頁分類研究.pdf

1、隨著信息技術的迅速發(fā)展，網絡信息不斷膨脹。如何讓網絡信息更好地為人類服務，已成為未來幾年的一個研究熱點。一方面是人們對快速、準確而全面獲取信息的渴望，而另一方面卻是網絡信息的紛繁蕪雜，在這兩者之間架設一座橋梁的確是一個巨大的挑戰(zhàn)。網頁自動分類技術正為解決這個問題提供了一種合理有效地組織信息的方法。 為了有效地組織和分析網頁信息，幫助用戶迅速地獲取所需要的信息，論文針對不同用戶對網絡信息的不同需求來提取對應的規(guī)則，同時根據知識中規(guī)

2、則與例外相互補充的學習理論對存在的例外進行分析，從而對中文網頁文本進行精確分類。本文從理論和應用的角度對中文網頁文本信息的分類技術進行了深入的研究，提出了將粗糙集與面向自然語言處理的規(guī)則與例外學習理論應用到中文網頁分類中，并實現(xiàn)了一個基于粗糙集的“規(guī)則+例外”中文網頁分類系統(tǒng)。 論文對中文網頁分類的關鍵技術、粗糙集理論的主要內容、規(guī)則歸納以及例外分析進行了系統(tǒng)的研究和詳細的介紹，并在這些理論知識的指導下設計了一個解決用戶需求的中

3、文網頁文本分類器。論文主要做了以下研究工作： 網頁文本分類首先需要收集WEB文本，對WEB文本進行預處理，保存其中的文本信息。在這部分，文章首先實現(xiàn)了搶先式多線程中文網頁收集器，采用深度優(yōu)先的算法獲取特定類型的網頁，接著根據HTML Tag文本的特點，實現(xiàn)了基于非遞歸方式匹配的WEB文本預處理器，它用于提取網頁中的文本信息以及定義的網頁標記集。其次，本文在研究文本信息表示和網頁信息特點的基礎上，改進了中文網頁文本表示的權重計算方