2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩54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(rèn)領(lǐng)

文檔簡介

1、隨著網(wǎng)絡(luò)的普及和發(fā)展,互聯(lián)網(wǎng)已經(jīng)成為人們生活、學(xué)習(xí)、工作、娛樂的重要途徑?;ヂ?lián)網(wǎng)作為信息載體,近年來以驚人的速度在增長,信息量以TB計算,擁有上千萬個網(wǎng)站、數(shù)十億的用戶,而且這個數(shù)量還在不斷的增長。Web的發(fā)展改進了人們的生活方式,越來越多的人通過網(wǎng)絡(luò)來發(fā)布信息和搜索信息。由于Web信息抽取可以將網(wǎng)絡(luò)上網(wǎng)頁的主題內(nèi)容提取出來,并以統(tǒng)一的結(jié)構(gòu)形式存儲,因此整個互聯(lián)網(wǎng)將會變成一個巨大的數(shù)據(jù)庫,從而為互聯(lián)網(wǎng)上海量數(shù)據(jù)的再利用提供了可能,構(gòu)建垂

2、直搜索引擎就是應(yīng)用之一。與主題相關(guān)的Web文本信息的抽取是影響垂直搜索性能的關(guān)鍵技術(shù),垂直搜索中的Web信息抽取是從具有相同主題、分散存放、表現(xiàn)各異的半結(jié)構(gòu)化信息中抽取出特定的結(jié)構(gòu)化信息,重新形成結(jié)構(gòu)良好、便于檢索和表示的數(shù)據(jù),因而Web信息抽取技術(shù)成為當(dāng)今研究的熱點。
   本文對基于神經(jīng)網(wǎng)絡(luò)的信息抽取方法進行研究,分析其缺陷,并提出改進方法。文中對改進方法進行了詳細(xì)闡述,并通過實驗驗證該方法的可行性。改進的方面有:
 

3、  1)在過濾原則中加入了相關(guān)度計算,即將每行文本的文字內(nèi)容與標(biāo)題的相關(guān)度作為神經(jīng)網(wǎng)絡(luò)的一個訓(xùn)練參數(shù)。
   2)在對頁面文檔進行信息統(tǒng)計前,先將網(wǎng)頁代碼中書寫不規(guī)范的代碼行進行合并,以提高算法的處理效率。
   3)采用BP神經(jīng)網(wǎng)絡(luò)作為訓(xùn)練模型,依靠其多次反復(fù)修改權(quán)值和閾值的特性,獲得更合理的閾值。
   另外,本文在改進算法的基礎(chǔ)上結(jié)合文本分類知識設(shè)計了一個信息抽取和分類模型,并在此模型的基礎(chǔ)上實現(xiàn)了一個信

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