內容相關性驅動的Web資源離群點挖掘技術研究與系統(tǒng)實現(xiàn).pdf_第1頁
已閱讀1頁，還剩62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，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)的快速發(fā)展和普及,人們越來越依賴于網(wǎng)絡獲取信息。作為海量的信息來源,web可以看成是一個巨大的數(shù)據(jù)庫,包含著各種各樣有價值的信息。但由于Web信息來源極為廣泛,信息發(fā)布帶有很大的隨意性,在為用戶提供信息的同時,也造成了信息過載和信息污染。對Web資源進行必要的評測,有助于人們快速獲取網(wǎng)上高質量的信息?；趦热菹嚓P性的web資源離群點挖掘就是研究如何從內容相關性的角度獲取Web內容資源高質量的數(shù)據(jù)。
　　 本文使用web

2、內容離群點挖掘算法對web資源內容相關性質量進行量化評測,并實現(xiàn)了一個原型系統(tǒng)。該系統(tǒng)包含兩個模塊:web文本內容抽取和web文本內容離群點挖掘。在第一個模塊中,針對新聞網(wǎng)頁內容比較集中的特點,本論文采用基于統(tǒng)計的鏈接密度和鏈接文本密度的方法對HTML網(wǎng)頁的正文進行抽取,并將相關內容集成到一個XML頁面中；在第二個模塊中,利用N—gram技術對獲得的XML文件中各個文檔進行建模,再應用文本內容離群點檢測算法,檢測出文檔集中內容不相關的文

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，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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