基于抽樣和模板的網(wǎng)站無障礙檢測(cè)方法.pdf

1、隨著信息技術(shù)的發(fā)展以及互聯(lián)網(wǎng)的普及，互聯(lián)網(wǎng)已經(jīng)成為殘疾人日常生活的重要元素。由于自身缺陷，殘疾人在互聯(lián)網(wǎng)信息服務(wù)獲取、利用、交互等方面存在巨大的困難。不幸的是，大部分網(wǎng)站都不是無障礙的，不同類別的70％～98％的網(wǎng)站都不同程度上存在著障礙，殘疾人與正常人之間的“數(shù)字鴻溝”正在日益擴(kuò)大。因此，如何有效地發(fā)現(xiàn)對(duì)于殘疾人有障礙的網(wǎng)頁和快速評(píng)估一個(gè)網(wǎng)站的無障礙程度成為了信息無障礙領(lǐng)域的重要研究課題。
　　本文的研究目的是在網(wǎng)站內(nèi)容無障礙檢

2、測(cè)過程中，減小人工檢測(cè)的比例，加快網(wǎng)站檢測(cè)速度，降低檢測(cè)成本。在以往檢測(cè)過程中，本文發(fā)現(xiàn)了兩個(gè)現(xiàn)象:
　　1）無障礙檢測(cè)點(diǎn)是根據(jù)模板分布的，集中分布在相同模板的網(wǎng)頁集合中;
　　2）某些檢測(cè)規(guī)則只涉及網(wǎng)頁模板，不涉及網(wǎng)頁內(nèi)容。
　　根據(jù)這兩個(gè)現(xiàn)象，本文提出了基于抽樣和基于模板的兩種無障礙檢測(cè)方法。
　　基于抽樣的無障礙檢測(cè)方法依賴于網(wǎng)頁抽樣。考慮到時(shí)效性，本文設(shè)計(jì)了線性時(shí)間的基于URL聚類的網(wǎng)頁抽樣算法。算法首先

3、依據(jù)最小描述長度原則對(duì)網(wǎng)站所有URL進(jìn)行聚類，然后分別對(duì)每個(gè)聚類簇進(jìn)行隨機(jī)抽樣。最后本文描述了網(wǎng)頁抽樣算法的原理，并且在數(shù)學(xué)上給出了證明。
　　基于模板的無障礙檢測(cè)方法依賴于模板提取。考慮到正文對(duì)模板提取的負(fù)面影響，本文設(shè)計(jì)了基于正文過濾的模板網(wǎng)頁聚類算法。算法首先根據(jù)文本密度對(duì)所有網(wǎng)頁進(jìn)行正文過濾，然后計(jì)算網(wǎng)頁之間的結(jié)構(gòu)距離，最后通過聚類提取網(wǎng)站模板網(wǎng)頁。
　　最后，本文對(duì)上述幾個(gè)算法分別設(shè)計(jì)了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明，基于抽樣