基于網(wǎng)頁(yè)的關(guān)鍵詞提取技術(shù)研究及其在廣告領(lǐng)域的應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)上大量信息以網(wǎng)頁(yè)形式組織出現(xiàn)，如何更好的理解網(wǎng)頁(yè)的內(nèi)容，提取有用的信息，已經(jīng)成為當(dāng)今網(wǎng)絡(luò)信息檢索領(lǐng)域的核心問(wèn)題之一。并且伴隨著AdSense商業(yè)模式的出現(xiàn)，如何更好的理解網(wǎng)頁(yè)中和廣告相關(guān)的內(nèi)容，提取與廣告相關(guān)的信息，也已經(jīng)成為網(wǎng)絡(luò)信息檢索領(lǐng)域一項(xiàng)新的研究課題?；诰W(wǎng)頁(yè)的廣告關(guān)鍵詞提取技術(shù)就就是針對(duì)這方面的研究和探索，它是關(guān)鍵詞提取技術(shù)在網(wǎng)頁(yè)和廣告詞領(lǐng)域的發(fā)展。 本文在對(duì)傳統(tǒng)基于網(wǎng)頁(yè)的關(guān)鍵詞提取技術(shù)分析的基礎(chǔ)上，從兩個(gè)不同

2、的方面對(duì)基于網(wǎng)頁(yè)的廣告關(guān)鍵詞的提取技術(shù)進(jìn)行了改進(jìn)。第一種是基于 MainBlock的改進(jìn)，它是根據(jù)網(wǎng)頁(yè)本身結(jié)構(gòu)的特點(diǎn)，把網(wǎng)頁(yè)從對(duì)關(guān)鍵詞所起到的作用上，把網(wǎng)頁(yè)劃分為不同的5個(gè)部分，去掉網(wǎng)頁(yè)中對(duì)關(guān)鍵詞提取起負(fù)作用的部分，保留起正作用的MainBlock部分，然后再?gòu)腗ainBlock中提取關(guān)鍵詞。這種方法的提出是希望從最原始的網(wǎng)頁(yè)上盡可能的過(guò)濾掉了對(duì)關(guān)鍵詞提取其負(fù)作用的部分，從而提高關(guān)鍵詞提取的準(zhǔn)確率；第二種是基于關(guān)鍵詞細(xì)特征(Multi-

3、Feature)的改進(jìn)，它是根據(jù)候選關(guān)鍵詞本身的特點(diǎn)進(jìn)行分析，并非從關(guān)鍵詞的內(nèi)容意義進(jìn)行分析，而是結(jié)合每個(gè)候選關(guān)鍵詞在網(wǎng)頁(yè)中所處的位置和屬性來(lái)分析，從而賦予了關(guān)鍵詞更多更細(xì)微的特征屬性，這樣做的目的是希望使每一個(gè)候選關(guān)鍵詞特征更加的豐富，在計(jì)算每一個(gè)候選詞到關(guān)鍵詞的概率上增加更多可以衡量的因素，從而從一定程度上保證了即使在某些特征上不能區(qū)分出真正的關(guān)鍵詞和非關(guān)鍵詞，但是在剩余的特征上，仍有可能幫助區(qū)分出它們，從而最終使關(guān)鍵詞提取的準(zhǔn)確率