一种区分索引与信息的网页分类数学模型及证明.pdfVIP

第41卷 第 1lA期 计 算 机 科 学 Vo1．41No．11A 2014年 11月 Computer Science NOV2014 一 种区分索引与信息的网页分类数学模型及证明 王树西 夏增艳 (对外经济贸易大学信息学院 北京 100029) (北京邮电大学民族教育学院 北京 102209) 摘 要 综述了网页分类的国内外研究现状，分析了网页分类的核心技术，包括思想、算法、公式、评测标准。为了打 击非法网络传销，必须对传销 网页进行准确识别与分类。根据网页中 “最大内容段”的长度 ，计算出这个网页为 “信息 网页”的概率，通过严格的数学公式推导得到数学模型。本数学模型已经得到应用，“网络传销国家监控 中心”用这个 模型有效地对网络传销网页集合进行 了分类。 关键词 网页分类，索引页面，信息页面，网络传销，网络传销国家监控中心 中图法分类号 TP392 文献标识码 A ClassificationM athematicalM odelandProoftoDistinguishIndexna dInformationWebPage WANG Shu-~ XIA Zeng-yan2 (InformationAcademyoftheUniversityofInternationalBusinessandEconomics，Beijing100029，China) (NationalInstituteofEducation，BeijingUniversityofPostsandTelecommunications，Beijing102209，China) Abstract Thispapersurveyeddomesticand internationalresearch ofW ebpageclassification．analyzedcoretechnolo— giesofW ebpageclassification，includingideas，algorithms，formulasandevaluationcriteria．Inordertoattack Internet PyramidSelling，itisnecessarytoaccuratelyidentifyandclassifyInternetPyramidSellingW ebpages．Accordingto “ maximum contentlength”ofWebpage，its“infomr ationpage”probabilityiscalculated．W ebpageclassificationmathe— matica1modelisdeducedthroughstrictfomr ulas．Abovemathematica1modelhasbeenapplied，and “NationalMLM Mo— nitorCenter”effectivelyclassifiesInternetPyramidSellingW ebpagesusingabovemode1． Keywords W ebpageclassification，Indexedpageinformation page，Internetpyramid selling，NationalMLM monitor Center 页进行统计分析，根据网络传销问题的实际需求，建立网页分 1 引言 类模型，来区分一个网络传销网页是索引页面还是信息页面； 分类问题是一个很有意义的问题。将事物正确地进行分 通过严格的数学公式推导，从理论上证明这个网页分类模型 类 ，使杂乱无章的现实世界变得井井有条，这有助于人们正确