原创力文档- 1、本文档共4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
基于语义相似度的Web社区主题发现.pdf
计算机科学2008V01．35NQ．9A
基于语义相似度的Web社区主题发现*)
薛鸿鹊高洁刘秀德杨楠
(中国人民大学信息学院 北京100872)
摘要针对Web社区的真实性和有效性的自动评估的关键技术开展研究，在社区发现技术的基础之上，结合了
信息检索技术以及语义信息，深入研究了社区主题词提取的方法。根据网页的DOM信息对页面进行处理与过滤，
去除导航块、广告块；然后提取网页内的文本信息，取其词根，进行词频统计油}着根据TD*IPF公式，对网页集里
的多个页面的主题词进行提取；最后还利用WordNet词典进行对词问语义关系的相关扩展．根据实验结果的分析
表明，算法是可行的和有效的。
关键词社区，主题词抽取，网页信息提取．TF*矸．WordNet
SemanticBased WordsDiscover
Topic y
GAO IAUXiu-de Nan
XUE Jie YANG
Hong-hu
(InformationSchool，Renminof
UniversityChina，Beijing100872，China)
Ah跏Thereale communitiescontainedtheWebwhichreflectactivesofhuman methodsof
many by being．The
these thereare remained．A1lthosearithmeticdonot
communities’discoverydeveloped years，but
rapidly questions
anovel for
resolvethe aboutautomatic method wordsextraction．
problem topicdiscovery．Thispaperpresents topic
whieharebasedonthe1exicaldatabaseWordNet．Weanevaluationa
present against
method usis in ofcommunitieS．
itshowsthe by effectiveidentifying
presented topics
information
wordsextraction，Web extraction，TF*ⅡEWordNet
k70r凼Community，Topic page
技术这三种。虽然现在已经有了相当的关于社区发
1 引言
现技术的研究成果，但都没有很好地解决社区自动
评估的问题，并且都忽略了语义信息。
随着近年Internet的飞速发展，Web已经成为
一个巨大的超文本集合信息源。尽管Web的结构 综上所述，本论文的研究是为了解决语义相关
从表面上看是无组织结构的，但实际上Web具有很 条件下社区的主题发现。论文的大致结构如下：前
强
文档评论（0）