原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、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。
- 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
of ISSN1001．9081 2013．12．0l
Joumal
ComputerApplications
CODEN
JYIIDU
计算机应用，2013，33(12)：3368—337l，3379 http：／／www．joca．cn
文章编号：1001—9081(2013)12．3368．04
基于改进K最近邻分类算法的不良网页并行识别
徐雅斌1’r，李 卓1’2，陈俊伊1
(1．北京信息科技大学计算机学院，北京100101；2．网络文化与数字传播北京市重点实验室(北京信息科技大学)，北京100101)
(}通信作者电子邮箱xyb@bistu．edu．cn)
摘要：互联网中，黄色、暴力、赌博、反动等不良网页大量存在。如果不进行有效过滤，将给搜索服务带来不良的
影响。采用改进的K最近邻分类算法来提高识别的准确率，并在虚拟化平台上通过开源的Hadoop软件所提供的
M印Reduce模型进行分布式并行处理。对比实验结果表明，所采用的识别方法的识别准确率和识别效率都有较大的
提高。
关键词：不良网页；文本分类；K最近邻分类算法；Had00p；M印Reduce
中图分类号：’rP393文献标志码：A
Par枷el b嬲ed
Web on KNNdass浓cation
reco叫ti佃ofmegaIpages impmVed aIgo—thm
XU
Yabinl，”，UZhu01一，CHENJunyil
(I．co呷uler
S出以＆狮g蜘丌删加sc如脚口，ld丁碱加锄踟沁船帆讲增loolOl，吼i眦；
2．＆咖孵研如№，y矿，Ⅲ纫埘cl血ure∽dD洒纠D趣em汛毗幻n胍∞枷
(＆孵昭，咖rr删幻nSc诂懈口以死由蝴№硅计，咖酱100lOl，吼讥叻
A咖ct：Thereare Web onthe which have or
Intemet， may violent，
maIlyiuegal pages pomo伊aphic， gall[1bling
content．W油out exercisea onthe An
innuence sen，ices．
reacti∞ary beingfilteI嗣e雠ctivelythey埘U maligII searching
K—Nearest cl鹊sification to 山e was 蛆d
impmVed Neigllbo玛(KNN) algorithmpmmoterecognitionaccuracyproposed
onavinualized the modd software
iⅡ瞄emenbed pla‰nfollo试ngM叩Reduceprovidedbythe叩朗sourceHad刺p，which
it
madedis研buted锄d and
文档评论（0）