

版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、新聞聚類(lèi)系統(tǒng)誕生于互聯(lián)網(wǎng)的浪潮中,是個(gè)性化新聞推薦引擎的核心部分,聚類(lèi)的結(jié)果直接影響到推薦的效果。一個(gè)完整的新聞聚類(lèi)系統(tǒng)包含了網(wǎng)絡(luò)爬蟲(chóng)模塊,負(fù)責(zé)數(shù)據(jù)源的獲取;正文提取模塊,負(fù)責(zé)數(shù)據(jù)清洗,去除噪音;聚類(lèi)算法模塊,負(fù)責(zé)新聞的最終分類(lèi)。優(yōu)質(zhì)的數(shù)據(jù)源是算法有效運(yùn)行的必要條件,也是實(shí)際應(yīng)用中舉足輕重的環(huán)節(jié)。如何設(shè)計(jì)一個(gè)抓取速度快而且網(wǎng)頁(yè)重復(fù)率低的網(wǎng)絡(luò)爬蟲(chóng)以及文本提取準(zhǔn)確率高的正文提取算法一直是研究的熱點(diǎn)。本文正是在此背景下,以實(shí)現(xiàn)一個(gè)實(shí)際可用的新
2、聞聚類(lèi)系統(tǒng)作為研究目標(biāo),致力于尋找高效的網(wǎng)頁(yè)去重算法和精確的正文提取算法。本文的主要工作內(nèi)容包括:
首先,本文針對(duì)傳統(tǒng)的網(wǎng)絡(luò)爬蟲(chóng)架構(gòu)進(jìn)行了深入分析,并針對(duì)網(wǎng)頁(yè)去重的機(jī)制進(jìn)行了著重解析。在傳統(tǒng)去重策略中,多數(shù)是在網(wǎng)頁(yè)下載之前對(duì)URL進(jìn)行去重,這樣能夠過(guò)濾掉相同URL的網(wǎng)頁(yè)。但是在新聞推薦系統(tǒng)中,除了有大量的第一手網(wǎng)頁(yè),同時(shí)為數(shù)不少的二手新聞存在于互聯(lián)網(wǎng),比如各大網(wǎng)站轉(zhuǎn)載其他網(wǎng)站的新聞。在這種情況下,雖然URL不同,整個(gè)頁(yè)面也是不
3、同的,比如由于各個(gè)網(wǎng)站插入的廣告不同,但是完全有可能網(wǎng)頁(yè)的正文內(nèi)容是一樣的。而對(duì)于讀者來(lái)說(shuō),是不希望看到這種新聞內(nèi)容一致的網(wǎng)頁(yè)。針對(duì)這種情況本文給出了一種解決辦法,對(duì)于下載的網(wǎng)頁(yè)進(jìn)行第二次網(wǎng)頁(yè)去重。對(duì)于原始的HTML網(wǎng)頁(yè),提取出新聞標(biāo)題,通過(guò)哈希檢測(cè)是否存在相同標(biāo)題從而丟棄相同內(nèi)容的網(wǎng)頁(yè)。通過(guò)大量實(shí)驗(yàn)驗(yàn)證了算法的有效性。在已有的去重策略基礎(chǔ)上平均提升0.48%的去重率。
其次,針對(duì)已有的正文提取算法進(jìn)行了介紹,在基于統(tǒng)計(jì)的正文
4、提取算法的基礎(chǔ)上提出了基于統(tǒng)計(jì)與標(biāo)題和正文位置關(guān)系的正文提取算法。該算法將標(biāo)題的作用考慮在內(nèi),首先將
5、大量的實(shí)驗(yàn)驗(yàn)證了算法的有效性,算法的平均正確率達(dá)到了97.83%,遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的正文提取算法。
最后,在已有的網(wǎng)絡(luò)爬蟲(chóng)和正文提取的基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)了新聞聚類(lèi)系統(tǒng)。針對(duì)大量網(wǎng)頁(yè)的處理設(shè)計(jì)了分布式架構(gòu),并且在Hadoop平臺(tái)上實(shí)現(xiàn)了MapReduce模式的開(kāi)發(fā)任務(wù)。整個(gè)系統(tǒng)包含了5個(gè)不同的MapReduce任務(wù),分別為分詞、去停用詞、統(tǒng)計(jì)詞頻任務(wù),計(jì)算每個(gè)網(wǎng)頁(yè)的單詞數(shù)目任務(wù),計(jì)算TFIDF任務(wù),建立網(wǎng)頁(yè)向量任務(wù)和K-Means計(jì)算任
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)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(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于文本相似度計(jì)算的文本聚類(lèi)算法研究與實(shí)現(xiàn).pdf
- 基于AP算法的文本聚類(lèi)研究與實(shí)現(xiàn).pdf
- 基于云計(jì)算的文本聚類(lèi)算法研究.pdf
- 基于計(jì)算智能的文本聚類(lèi)算法研究.pdf
- 基于K-means算法的文本聚類(lèi)的研究與實(shí)現(xiàn).pdf
- 基于DK-Means算法的文本聚類(lèi)的研究與實(shí)現(xiàn).pdf
- 基于譜聚類(lèi)的文本聚類(lèi)算法研究.pdf
- 中文文本聚類(lèi)算法的研究與實(shí)現(xiàn).pdf
- 基于MapReduce的文本聚類(lèi)算法并行化研究與實(shí)現(xiàn).pdf
- 基于DBSCAN的文本聚類(lèi)算法研究.pdf
- 基于NMF算法的文本聚類(lèi)研究.pdf
- 基于Hadoop的高性能文本聚類(lèi)算法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 文本聚類(lèi)算法的語(yǔ)義性改進(jìn)與實(shí)現(xiàn).pdf
- 基于模糊C均值算法在文本聚類(lèi)中的研究與實(shí)現(xiàn).pdf
- 基于k-平均算法的文本聚類(lèi)系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于k-means的中文文本聚類(lèi)算法的研究與實(shí)現(xiàn).pdf
- 基于遺傳的文本軟聚類(lèi)研究與實(shí)現(xiàn).pdf
- 基于hSync算法的文本聚類(lèi)方法研究.pdf
- 基于語(yǔ)義的短文本聚類(lèi)算法研究.pdf
- 基于文本聚類(lèi)的特征選擇算法研究.pdf
評(píng)論
0/150
提交評(píng)論