- 1、本文档共7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)。
查看更多
一种基于综合特征的网页类型识别方法 - 信息工程大学学报
Vo l. 12 No.6
第 12 卷第 6 期 信息工程大学学报
2011 年 12 月 Journal of Information Engineering University Dec.2011
一种基于综合特征的网页类型识别方法
陈翰,周杰,李剖程
(信息工程大学信息工程学院,河南郑州 450002)
摘要:现有网络舆情监测分析系统大多采用人工建立模型、网页逐个匹配的方法识别网页类
型,不仅费时费力,而且随着网页的变化和快速增长,效率不断下降,如何让机器快速准确识别
出网页类型成为迫切需要解决的问题。针对现有网页分类算法无法自动识别网页所属网络舆
情载体类型的问题,深入研究了网页的超链接特征、内容特征和结构特征,构建了面向网络舆
情载体类型识别的特征集,提出了基于综合特征的网页类型自动识别算法,应用 SVM 分类器
对数据集进行训练和建模。实验结果表明,该方法能够很好地对网络舆情载体类型进行分类。
关键词:网页类型;特征提取;自动识别
中图分类号:TP391 文献标识码:A 文章编号: 1671 - 0673 (2011 )06 - 0738 - 07
Genre Recognition Method of 飞离r eb Pages ßased on Integral Features
CHEN Han , ZHOU Jie , LI Bi-cheng
(Institute of Information Engineeri吨, Information Engineering University , Zhengzhou 450002 , China)
Abstract: Extensive human efforts are required to build templates in genre recognition of web pages
in present monitoring and analyzing system for network public opinions. As the Web changes and
continues to grow , this manual approach becomes less effective , and how to recognize the genre of
Web pages accurately and rapidly has become a crucial problem. To solve this problem , a feature
set for Web pages automatic recognition is proposed , which is based on research of the hyperlink
features , content features and structure features of Web pages. Hence a Web pages automatic recog-
nition method based on multiple features is proposed , with a SVM classifier for training and model
building. Experimental results indicate that this new method can improve the accuracy of Web pages
genre recognitio
您可能关注的文档
- ezrin 蛋白、inos 在涎腺多形性腺瘤恶性增殖中的意义 - chinese .pdf
- 有机肥营养元素释放的研究进展 - caas ir - 主页 - 中国农业科学院.pdf
- 贝克曼库尔特运铁蛋白试剂.pdf
- 免疫胶体金技术及其在真菌毒素检测中的应用 - 中国酿造.pdf
- 离子沉淀—— — 絮凝综合脱咖啡碱的茶多酚生产新工艺 - 食品科学.pdf
- 高二生物能力提升检测卷.doc
- 海刺猬体腔液凝集素的纯化、 性质及其色氨酸的化学 - 中国水产期刊网.pdf
- 水杨酸对温度胁迫下紫御谷幼苗根系活力及根系形态 - 中国农学通报.pdf
- 全国蔬菜大会发言 - 中国蔬菜协会.doc
- 紫外线照射技术による次世代半导体基板材料の研磨(pdf:465kb).pdf
文档评论(0)