2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67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(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著Web信息技術的迅速發(fā)展,用戶可以越來越方便快捷地獲取各種信息,與此同時,也面臨著如何從大量Web信息中獲取相關及有用信息的問題。雖然,通過使用傳統(tǒng)的Google、百度、Lycos等搜索引擎,可以大大減少無用信息的干擾,但這些搜索引擎搜索的結果有時也不完整或不相關,很難完全滿足用戶的需求。值得慶幸的是,目前Web數(shù)據(jù)挖掘技術的研究可以解決Web上過量信息的問題,通過對Web超鏈接結構進行分析,為用戶提供更精確、更相關的數(shù)據(jù)。因此,W

2、eb數(shù)據(jù)挖掘逐漸成為目前研究的熱點。 本文從Web結構挖掘入手,在對Web結構挖掘中典型算法PageRank深入研究的基礎上,針對PageRank算法只考慮Web頁面之間的鏈接關系而忽略Web頁面本身的文本內(nèi)容,對權威性高的網(wǎng)頁隨著時間的推移賦予很高的權威值,而對新出現(xiàn)的網(wǎng)頁賦予很低的權威值,從而導致搜索結果出現(xiàn)“主題漂移”和種種缺陷的問題,提出了一種基于超鏈接網(wǎng)頁之間的距離及強化學習相結合的改進算法——DisRank。該算法把

3、網(wǎng)頁之間的距離作為“處罰”因子,以此來計算Web網(wǎng)頁的等級值及對其進行排序。我們首先通過網(wǎng)頁爬行算法抓取基于某個主題的、一定數(shù)量的網(wǎng)頁作為訓練樣本,然后存儲到數(shù)據(jù)庫中,最后分別調(diào)用PageRank算法和改進算法DisRank進行實驗,以證明改進算法的有效性。這其中包括改進算法DisRank抓取相關網(wǎng)頁的吞吐量、不同β取值算法的吞吐量、精確度、收斂速度及算法時間復雜度等。 最后,對本文所做的工作進行了總結,并提出改進算法需要進一步

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(nèi)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(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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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