基于URL特征的網(wǎng)頁分類研究.pdf_第1頁
已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)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(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)提供了大量的廣泛分布和高動態(tài)資源信息，網(wǎng)頁信息分散且不方便管理。網(wǎng)頁分類能有效解決這些問題。在網(wǎng)頁分類過程中，選取特征是其中重要一環(huán)，傳統(tǒng)的特征從網(wǎng)頁正文、錨文本、標(biāo)題等網(wǎng)頁文本中選取，這樣的選擇方式耗時且代價很高。同時，特征冗余，特征維數(shù)過高也是網(wǎng)頁分類中常見的問題。如何快速鑒別網(wǎng)頁類別同時提高分類精度以及特征降維成為了急需解決的問題。
　　 論文系統(tǒng)地分析了網(wǎng)頁分類的產(chǎn)生背景、發(fā)展現(xiàn)狀及研究意義，對網(wǎng)頁分類的關(guān)鍵技術(shù)進

2、行深入的學(xué)習(xí)和研究，并在已有研究成果的基礎(chǔ)上，主要完成了這些方面的創(chuàng)新：URL 是網(wǎng)頁唯一的標(biāo)識，直接根據(jù)URL 特征進行網(wǎng)頁分類可以省去處理網(wǎng)頁正文的時耗。論文分析了URL的結(jié)構(gòu)，提出了n-gram 方法處理URL 得到特征，n-gram 法通過分割URL 得到一系列字符串，充分利用URL 上所包含的信息，選用weka 工具做分類實驗。通過選擇不同的n值對比，得出從提取到分類所需的時間比傳統(tǒng)的正文要快很多，并能達到較高的精度。實驗通過

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(quán)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(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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