- 1、本文档共64页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于URL特征的网页分类研究-计算机软件与理论专业论文
摘 要
互联网提供了大量的广泛分布和高动态资源信息,网页信息分散且不方便管理。网页分 类能有效解决这些问题。在网页分类过程中,选取特征是其中重要一环,传统的特征从网 页正文、锚文本、标题等网页文本中选取,这样的选择方式耗时且代价很高。同时,特征 冗余,特征维数过高也是网页分类中常见的问题。如何快速鉴别网页类别同时提高分类精 度以及特征降维成为了急需解决的问题。
论文系统地分析了网页分类的产生背景、发展现状及研究意义,对网页分类的关键技术 进行深入的学习和研究,并在已有研究成果的基础上,主要完成了这些方面的创新:URL 是 网页唯一的标识,直接根据 URL 特征进行网页分类可以省去处理网页正文的时耗。论文分 析了 URL 的结构,提出了 n-gram 方法处理 URL 得到特征,n-gram 法通过分割 URL 得到一系 列字符串,充分利用 URL 上所包含的信息,选用 weka 工具做分类实验。通过选择不同的 n 值对比,得出从提取到分类所需的时间比传统的正文要快很多,并能达到较高的精度。实 验通过 URL 的 n-gram 特征提取法和传统的 URL 特征提取法比较,得出 n-gram 效果比较好。 并且在不要求时间的前提下,n-gram 和正文文本特征相结合效果比单独使用 n-gram 和网页 正文锚文本标题特征有所改进。
关键词:URL;网页分类;特征选择;n-gram
Abstract
The internet provides a great deal of resources and information; however, they are separated and difficult to be managed due to its wide distribution and high dynamics. Web page classification can effectively solve these problems. In the web page classification process, feature selection is one of the most important steps. The traditional features choosen from the text, anchor text, the title page text selection etc, which would consume more time. Meanwhile, feature redundancy and characteristic dimension are also common problems in web page classification. How to quickly identify web category and at the same time, improve the accuracy of classification and features reduced-order became problems needed to be resolved.
This paper systematically analysis the background, development situation and research significance of web page classification, researching the key technology of web page classification, and on the basis of existing research results, mainly completed the following innovation:
The URL is the unique identity of the web page, directly according to the URL characteristics of web page classification web page of text processing can save when consumption. The paper analysis the structure of URL, and puts forward the method to deal URL with using n-gram to get characteristics, the segmentation method of n-gram through getting a series of URL strings, make full u
您可能关注的文档
- 基于UG的硬质合金面铣刀CAD系统开发-机械电子工程专业论文.docx
- 基于ug的轴类零件特征建模方法研究-机械制造及其自动化专业论文.docx
- 基于UG的铸钢件专用浇注系统的研究与开发-材料加工工程专业论文.docx
- 基于UG的铸钢件补缩系统的研究与开发-材料加工工程专业论文.docx
- 基于UG设计软件的SQR472型发动机虚拟装配系统的研究-机械工程专业论文.docx
- 基于UIAUTOMATOR测试工具SMOKE的设计与实现-软件工程专业论文.docx
- 基于uhf卫星信号闪烁测量的低纬度电离层漂移测量-电磁场与微波技术专业论文.docx
- 基于UKF的无传感器永磁同步电机直接转矩控制研究-电力电子与电力传动专业论文.docx
- 基于UKF的锂离子电池SOC估算方法-控制工程专业论文.docx
- 基于UIMA的企业知识管理系统研究-计算机软件与理论专业论文.docx
文档评论(0)