基于向量空间模型de中文网页主题特征项抽取.pdfVIP

第32卷 第 1期 吉 林 大学 学报 (信 息科 学 版) Vol_32 No．1 2014年 1月 JournalofJilinUniversity(InformationScienceEdition) Jan．2014 文章编号：1671—5896(2014)01-0088-07 基于向量空间模型的中文网页主题特征项抽取 代 宽 ，赵 辉 ，韩 冬 ，宋天勇 (长春工业大学a．计算机科学与工程学院；b．软件职业技术学院，长春 130012) 摘要：为解决中文网页主题特征项抽取不精确的问题 ，对中文网页的主题特征项抽取算法进行了研究。网页的 主题特征项抽取是主题网络爬虫进行网页相关度计算的基础 ，结合主题网页的二分类情况对 目前常用的文本 特征项加权方法TF-IDF(TermFrequency—InverseDocumentFrequency)进行了改进，在此基础上结合网页的半结 构化特征 ，综合考虑特征项的位置信息及其包含的信息量 ，提出了一种线性特征项加权计算方法。经实验验 证 ，该方法可