基于組合特征的網頁主題塊識別算法.pdf_第1頁
已閱讀1頁，還剩86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、在當今的互聯(lián)網時代，Web是信息的重要來源，網頁則是展示信息的重要媒介。網頁傳遞著各種信息，但是其中有大量噪音信息嚴重影響了Web信息的自動化挖掘和采集。如何準確的識別出網頁的主題信息成為了計算機科學的研究熱點。本文對各種Web頁面主題信息識別的技術進行了分析和總結，針對僅利用視覺特征或文本特征來識別Web頁面主題信息算法的不足，提出了一種基于組合特征的主題塊識別算法，實驗證明本算法有效的提高了網頁主題信息識別的準確率和穩(wěn)定性。

2、　　本研究主要內容包括：⑴實現(xiàn)并改進了VIPS算法。改進了網頁分塊規(guī)則，對網頁塊尺寸閾值采用了動態(tài)調整的方式來調整分塊粒度，使得分塊后的網頁塊語義更加完整。⑵借鑒BM25算法的思想，提出了計算網頁塊內容與主題相關性的算法模型BBM25。BBM25以網頁塊為基本單位，從核心詞的權重、網頁塊中核心詞的詞頻、網頁塊的文本內容長度等幾個方面來考慮。⑶提出了基于組合特征的主題塊識別算法。對網頁分塊后，利用SVM根據(jù)網頁塊的視覺特征預測網頁塊是否為

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(xiàn)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(lián)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