基于URL特征的網頁分類研究.pdf_第1頁
已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、互聯網提供了大量的廣泛分布和高動態(tài)資源信息，網頁信息分散且不方便管理。網頁分類能有效解決這些問題。在網頁分類過程中，選取特征是其中重要一環(huán)，傳統(tǒng)的特征從網頁正文、錨文本、標題等網頁文本中選取，這樣的選擇方式耗時且代價很高。同時，特征冗余，特征維數過高也是網頁分類中常見的問題。如何快速鑒別網頁類別同時提高分類精度以及特征降維成為了急需解決的問題。
　　 論文系統(tǒng)地分析了網頁分類的產生背景、發(fā)展現狀及研究意義，對網頁分類的關鍵技術進

2、行深入的學習和研究，并在已有研究成果的基礎上，主要完成了這些方面的創(chuàng)新：URL 是網頁唯一的標識，直接根據URL 特征進行網頁分類可以省去處理網頁正文的時耗。論文分析了URL的結構，提出了n-gram 方法處理URL 得到特征，n-gram 法通過分割URL 得到一系列字符串，充分利用URL 上所包含的信息，選用weka 工具做分類實驗。通過選擇不同的n值對比，得出從提取到分類所需的時間比傳統(tǒng)的正文要快很多，并能達到較高的精度。實驗通過

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，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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