基于內(nèi)容個性化的網(wǎng)頁信息抽取技術(shù)研究.pdf

1、互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展使搜索引擎成為人們利用網(wǎng)絡(luò)最主要的信息檢索工具，而移動搜索業(yè)務(wù)作為互聯(lián)網(wǎng)搜索技術(shù)的延伸，能夠為用戶提供隨時隨地的信息服務(wù)，讓用戶在任何時刻、任何地點都能感受到信息時代的方便快捷。但是由于移動終端屏幕較小、網(wǎng)絡(luò)接入速度慢、通信費用高等特點，就要求移動搜索的結(jié)果具有很高的精準性，并且能夠抽取出相關(guān)網(wǎng)頁的主題內(nèi)容。
　　根據(jù)以上背景，本文首先介紹搜索引擎及移動搜索的相關(guān)知識，其次介紹用戶興趣建模方法及其改進，在這部分

2、主要提出一種通過改進的向量空間模型來表示用戶的興趣，用非線性函數(shù)處理特征項詞頻的方法，改進權(quán)值的計算；另外還利用改進的k-means聚類算法來表示用戶的興趣分類樹，在此基礎(chǔ)上建立用戶興趣模型。然后介紹網(wǎng)頁信息抽取相關(guān)技術(shù)，提出一種基于DOM結(jié)構(gòu)的網(wǎng)頁信息抽取方法，在生成解析樹的基礎(chǔ)上提取出網(wǎng)頁的正文信息。最后介紹基于內(nèi)容個性化的網(wǎng)頁信息抽取系統(tǒng)的設(shè)計與實現(xiàn)，并進行測試與分析，實驗證明能很好的滿足用戶個性化信息抽取的要求。
　　本文

3、提出的改進的向量空間模型使權(quán)值的計算更加準確，而改進的k-means聚類算法，克服傳統(tǒng)算法中初始聚類中心難以確定的缺點，排除掉數(shù)據(jù)集的孤立點后再確定初始聚類中心，提高了k-means聚類算法的性能，能夠更準確地發(fā)現(xiàn)用戶的興趣所在。另外基于DOM的網(wǎng)頁信息抽取方法對于利用模板技術(shù)生成的網(wǎng)頁，能夠達到準確抽取網(wǎng)頁信息的效果。最后設(shè)計的網(wǎng)頁信息抽取系統(tǒng)，在信息檢索方面能夠達到很高的查全率和查準率，很好的實現(xiàn)用戶個性化查詢的檢索目的。