Web新聞內(nèi)容抽取的研究與實(shí)現(xiàn).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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、互連網(wǎng)上的信息,很大一部分是以新聞的形式提供給用戶的,Web新聞內(nèi)容抽取的研究,可以幫助用戶迅速地從海量互連網(wǎng)信息中獲取想要的信息,有很重要的現(xiàn)實(shí)意義以及研究?jī)r(jià)值。 決策樹是一種常用于預(yù)測(cè)模型的算法,在市場(chǎng)劃分、金融風(fēng)險(xiǎn)、產(chǎn)品開發(fā)以及客戶評(píng)估中已經(jīng)得到了比較廣泛的應(yīng)用。通過將大量數(shù)據(jù)有目的地分類,從中找到一些具有商業(yè)價(jià)值的、潛在的信息。本文將決策樹應(yīng)用到新聞網(wǎng)頁新聞的判決中,通過對(duì)目標(biāo)數(shù)據(jù)的學(xué)習(xí)生成決策樹,根據(jù)生成的決策樹對(duì)未知

2、的輸入數(shù)據(jù)進(jìn)行決策,實(shí)現(xiàn)對(duì)目標(biāo)數(shù)據(jù)是否為新聞內(nèi)容的劃分,具有很好的實(shí)用效果。主要的工作如下: (1)提出了一種針對(duì)Web標(biāo)準(zhǔn)化網(wǎng)站的網(wǎng)頁分塊算法,該算法自頂向下遍歷Div節(jié)點(diǎn)樹,在遍歷的過程中根據(jù)當(dāng)前節(jié)點(diǎn)的孩子節(jié)點(diǎn)的塊重來決定如何對(duì)網(wǎng)頁進(jìn)行分塊。該算法對(duì)于目前國內(nèi)主流的新聞網(wǎng)站都可以適用。 (2)利用決策樹來抽取新聞內(nèi)容。對(duì)每個(gè)候選新聞內(nèi)容塊,抽取其特征屬性作為決策樹學(xué)習(xí)以及分類的輸入,并用學(xué)習(xí)出來的決策樹抽取新聞內(nèi)容塊

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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論