原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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TF-IDF改进算法的聚焦主题网络爬虫ImprovedTF-计算机应用
Journal of Computer Applications ISSN 1001-9081 2015- 【-10
计算机应用,2015, 【( 【): 【- 【 CODEN JYIIDU
基于TF-IDF改进算法的聚焦主题网络爬虫
1 2
王景中 ，邱铜相
（北方工业大学 计算机学院，北京市，100144）
（*通信作者电子邮箱1023623558@)
摘 要: 针对传统的TF-IDF 算法、K_means 算法、自适应遗传算法在网络检索结果中含有大量不相关数据、语义检索准确性不高的问题，本文研究了TF-IDF 算法的改进及其在语义检索中的应用。
将正则表达式和语义分析技术相结合，从而实现对TF-IDF 算法的改进。利用语义库对搜索主题进行描述，根据正则原子语义的重要性和在网页标签中的不同位置进行加权计算，得到正则原子
在文档中的相似度。通过空间向量模型对文档相似度和主题模型进行余弦运算，从而获取最终的搜索结果。最后，将改进的TF-IDF 算法、传统的TF-IDF 算法、K_means 算法和自适应遗传算法
运用于聚焦主题网络爬虫中，对其检索结果进行了对比分析。计算结果表明，在聚焦主题网络爬虫语义分析的垂直搜索中，改进的TF-IDF 算法比传统的TF-IDF 算法检索准确率提高了17.1%，
遗漏率可降低到3.1%；比K_means 算法检索准确率提高6%；比自适应遗传算法检索准确率提高8.1%。总之，改进的TF-IDF 算法可以有效地提高文档相似度检测的准确率，很好地改善聚焦主
题网络爬虫在语义分析中的缺陷。
关键词: 网络爬虫;语义分析;搜索引擎,TF-IDF;主题爬虫;文档相似度
中图分类号:TP311 文献标志码: A
Improved TF-IDF Alogorithm Base On Focused Title Network Crawler
Wang Jingzhong[1], QIU Tongxiang[2],
(School of computer North China University Of Technology,Beijing,100144)
收稿日期: 2015-05-11; 修回日期:2015-07-07 。
基金项目:国家自然基金项(No;北京市创新团队建设提升计划(ID H
作者简介: 王景中(1962-) ，男，内蒙古，教授，硕士，主要研究方向：信息安全，图像处理，数据挖掘；邱铜相(1989-) ，男，江西信丰，硕士研究生，主要研究方向：信息安全、数据挖掘。
2 计算机应用 第 35 卷
Abstract: In order to solve the prob
文档评论（0）