原创力文档- 1、原创力文档（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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
ITA 信息系统
欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟
1，2 1
● 吴思竹 ，张智雄
(1. ， 100 190 ;2. ， 100049)
中国科学院 国家科学图书馆 北京 中国科学院 研究生院 北京
基于网页特征识别的噪音网页过滤方法研究*
: ，
摘 要 本文通过对网页结构和内容特征的深入分析和识别 对噪音网页的过滤方法进行研究和实
。 ， ， SVM 。
验 首先利用阈值过滤具有明显特征的噪音网页 而后建立网页特征向量 利用 对网页进行分类
Web ， ， 。
采用采集自 的网页数据进行实验分析 最后得出研究结论 并展望下一步工作
: ; ;
关键词 网络资源 噪音网页 过滤方法
Abstract :With an in-depth analysis and identification of web page structure and content characteristics ，this
paper makes a study of and an experiment on noise web page filtering method. The paper first uses the threshold to
filter the noise web pages with distinctive characteristics ，then establishes the characteristic vectors of web pages ，
and classifies the web pages with Support Vector Machine (SVM). It makes an experimental analysis of the data
collected from the web pages ，and comes to the final research conclusions. The paper also predicts the future work.
Keywords :network resources ;noise web page ;filtering method
， 、 法:
网络成为快速增长 蕴涵丰富内容的 巨大的信息仓 通过对噪音网页的结构和内容特征进行针对性的深入
， 、 ， ，
库 逐渐成为研究者进行数据抓取采集 深入知识发现和 分析 首先通过网页显著特征对网页进行阈值控制 过滤
。 ，
挖掘的重要来源 但是 并不是所有网页中都包含有用的 ， ;
具有明显噪音特征的一部分网页 缩小数据集 而后选择
， :
信息 现有网页类型可以划分为两种 主题网页与噪音网 、 ， SVM
显著 适合的网页特征生成向量 利用
文档评论（0）