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
Journal of Computer Applications ISSN 1001-9081 2015-10-10
计算机应用，2015 ，35( 10) : 2901 － 2904 ，2919 CODEN JYIIDU http: / / www． joca． cn
文章编号:1001-9081 (2015)10-2901-04 doi :10 ． 11772 /j ． issn． 1001-9081． 2015 ． 10 ． 2901
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
( ， 100 144)
北方工业大学计算机学院 北京
( * 通信作者电子邮箱1023623558@ qq． com)
: TF-IDF 、K-means 、 、
摘 要 针对传统的 算法 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
， TF-IDF 。 ，
索准确性不高的问题 研究了 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
TF-IDF 。 ，
而实现对 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
。 ， TF-IDF 、 TF-IDF 、K-means
取最终的搜索结果 最后 将改进的 算法 传统的 算法 算法和自适应遗传算法运用于聚焦主题
， 。 ， ， TF-IDF
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
TF-IDF 17． 1 ， 7． 76 ; K-means
算法的相似度准确率比传统的 算法检索准确率提高了 个百分点 遗漏率降低了
文档评论（0）