基于Web挖掘的中文網(wǎng)頁分類的研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩71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、在當今信息時代，網(wǎng)絡已經(jīng)成為人們獲取各種信息的主要渠道。其中，網(wǎng)頁是承載這些信息的最主要載體。目前，網(wǎng)頁數(shù)量已經(jīng)相當龐大，并且每天都還在增長，網(wǎng)頁內容也混雜不堪。為了能夠有效地組織和分析如此海量的網(wǎng)頁信息，對網(wǎng)頁按照其主題進行分類成了首要的任務。然而網(wǎng)頁發(fā)展所帶來的各種問題嚴重影響著網(wǎng)頁分類系統(tǒng)的整體性能。
　　本文對已有的網(wǎng)頁分類相關技術進行了深入地學習和分析，總結了其存在的不足，對影響網(wǎng)頁分類系統(tǒng)性能的噪音和速度問題進行研究和

2、改進。網(wǎng)頁噪音的存在，嚴重影響分類結果的精度。因此，在本文的網(wǎng)頁分類系統(tǒng)中，網(wǎng)頁凈化作為一個單獨模塊被提煉出來，并采用了改進的網(wǎng)頁凈化方法。該方法把網(wǎng)頁結構規(guī)則和語義規(guī)則相結合，能夠有效過濾網(wǎng)頁中的噪音信息。針對提高網(wǎng)頁分類系統(tǒng)運行效率的需求，本文采用了多項式核函數(shù)的SVM分類算法。模型訓練中運用了泛化性能更好的基于超球體決策半徑的改進二叉樹訓練方法，去提高訓練速度。并對分類模型中決策函數(shù)的計算方式進行優(yōu)化，以減少決策過程中的計算量，達

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(wǎng)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(jīng)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