基于網(wǎng)頁的關鍵詞提取技術研究及其在廣告領域的應用.pdf

1、隨著網(wǎng)絡上大量信息以網(wǎng)頁形式組織出現(xiàn)，如何更好的理解網(wǎng)頁的內容，提取有用的信息，已經成為當今網(wǎng)絡信息檢索領域的核心問題之一。并且伴隨著AdSense商業(yè)模式的出現(xiàn)，如何更好的理解網(wǎng)頁中和廣告相關的內容，提取與廣告相關的信息，也已經成為網(wǎng)絡信息檢索領域一項新的研究課題。基于網(wǎng)頁的廣告關鍵詞提取技術就就是針對這方面的研究和探索，它是關鍵詞提取技術在網(wǎng)頁和廣告詞領域的發(fā)展。 本文在對傳統(tǒng)基于網(wǎng)頁的關鍵詞提取技術分析的基礎上，從兩個不同

2、的方面對基于網(wǎng)頁的廣告關鍵詞的提取技術進行了改進。第一種是基于 MainBlock的改進，它是根據(jù)網(wǎng)頁本身結構的特點，把網(wǎng)頁從對關鍵詞所起到的作用上，把網(wǎng)頁劃分為不同的5個部分，去掉網(wǎng)頁中對關鍵詞提取起負作用的部分，保留起正作用的MainBlock部分，然后再從MainBlock中提取關鍵詞。這種方法的提出是希望從最原始的網(wǎng)頁上盡可能的過濾掉了對關鍵詞提取其負作用的部分，從而提高關鍵詞提取的準確率；第二種是基于關鍵詞細特征(Multi-

3、Feature)的改進，它是根據(jù)候選關鍵詞本身的特點進行分析，并非從關鍵詞的內容意義進行分析，而是結合每個候選關鍵詞在網(wǎng)頁中所處的位置和屬性來分析，從而賦予了關鍵詞更多更細微的特征屬性，這樣做的目的是希望使每一個候選關鍵詞特征更加的豐富，在計算每一個候選詞到關鍵詞的概率上增加更多可以衡量的因素，從而從一定程度上保證了即使在某些特征上不能區(qū)分出真正的關鍵詞和非關鍵詞，但是在剩余的特征上，仍有可能幫助區(qū)分出它們，從而最終使關鍵詞提取的準確率