Web頁面結(jié)構(gòu)相似性的算法研究及應(yīng)用.pdf_第1頁
已閱讀1頁,還剩47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),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、網(wǎng)頁結(jié)構(gòu)相似性的度量是Web信息處理中的一項(xiàng)重要任務(wù),在數(shù)據(jù)抽取和搜索引擎等研究領(lǐng)域有著潛在的重要研究價值。好的相似性度量方法可以提高數(shù)據(jù)抽取的準(zhǔn)確率和速度,還可以提高搜索引擎的速度、提高返回?cái)?shù)據(jù)的質(zhì)量、減少大量冗余數(shù)據(jù)占據(jù)的存儲空間。實(shí)現(xiàn)該任務(wù)的已有算法往往存在著時間復(fù)雜度過高的問題。
   通常,簡單的DOM樹模型可用于HTML文檔建模,展現(xiàn)文檔的結(jié)構(gòu)信息模型。然而,DOM樹只是把文檔按照其結(jié)點(diǎn)的嵌套結(jié)構(gòu)表示為樹結(jié)構(gòu),它并不

2、能夠表達(dá)重復(fù)子樹這樣的結(jié)構(gòu)信息。而重復(fù)子樹這種內(nèi)部結(jié)構(gòu)信息對于web文檔間的結(jié)構(gòu)相似性度量是相當(dāng)重要的。
   為了解決這一問題,本文提出了一種稱為“Tag-Bag樹”的樹模型。該模型使用Bag節(jié)點(diǎn)來表示樹中的重復(fù)元素(重復(fù)元素在很多web應(yīng)用中都非常重要),從而可以捕獲半結(jié)構(gòu)化文檔的結(jié)構(gòu)信息?;赥ag-Bag樹模型,我們進(jìn)一步提出CTM(Complex Tree Matching)算法來計(jì)算兩棵Tag-Bag樹的最大匹配作為

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(hù)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