基于链接Web网页分类.docVIP

基于链接Web网页分类 　　 (燕山大学 信息科学与工程学院， 河北 秦皇岛 066004) 　　?? 　　摘要：基于链接的特点，提出了获取链接信息的模型，将得到的链接信息结合对象本身的属性来共同训练分类规则。针对网页链接的特殊性，对链接有向图重新建模。实验证明链接信息的加入可以有效地改善分类的结果，链接有向图的重新建模同样提高了分类的准确性。 　　?す丶?词：链接挖掘； 基于链接的分类； 逻辑回归模型 　　?ぶ型挤掷嗪牛?TP311文献标志码：A 　　文章编号：1001-?B3695(2008)11-?B3271-?B04 　　?? 　　Web page classification based on link 　　?? 　　GUO Jing-feng， ZHANG Jian， ZOU Xiao-hong 　　?? 　　(College of Information Science Engineering, Yanshan University, Qinhuangdao Hebei 066004, China) 　　?? 　　Abstract:Based the properties of link, this paper proposeda model to gain the link information. Then combined link information with the object attributes in order to train the rule of classification. Because of the particularity of Web pages, remo-deled the graph which formed according to the link structure. The experiments show that using of the link information can improve the result of classification, and after the remodel of the graph, the result of classification is improved too. 　　??Key words：link mining; link-based classification; logistic regression model 　　?お? 　　0引言?? 　　传统的数据挖掘任务(如关联规则挖掘、购物篮分析)习惯将数据集中的数据看做是单关系且相互独立的事件。挖掘丰富的、具有结构特点的异种数据集是数据挖掘的重要挑战，这些数据集的典型特点是多关系的。关系数据集用关系数据库来描述。在这些领域里，数据对象间总是以某种方式链接着，有的链接如URL是直接链接的，还有的如数据库中表之间的连接操作一样，是结构化的。?? 　　视事件为独立的传统统计推论程序，会导致不合适的结论[1]，潜在的相关关系必须要考虑到。事实上，链接关系也是需要挖掘的内容，同时链接信息可以改善学习模型的精度：链接着的对象，它们的属性也总是相关的(当两个对象具有某些相同属性时，它们之间更可能存在着链接)。?? 　　链接挖掘是新出现的研究领域，正处在多个学科的交叉点：链接分析[2]、超文本和Web挖掘[3]、关系学习和归纳逻辑程序设计[4]、图挖掘[5]。链接挖掘隶属于多关系数据挖掘的范畴，研究的重点是链接。?? 　　对链接的描述性和预测性建模是链接挖掘的主要任务。基于链接的分类和聚类都急需新算法的支持。随着链接问题的深入，新的研究任务也出现了，如预测链接的强度、预测链接的存在、联合引用的发现和子图模式的挖掘等。?? 　　本文介绍了基于链接分类的相关工作及获取链接信息的方法、分类模型和分类训练数据的使用。针对网页的链接，对有向图进行了重新建模。?? 　　1相关工作?? 　　链接是对象间存在的某种关系，如网页间的超链接、著作间的引用。基于链接的分类是链接挖掘的一个极其重要的研究方向。Web挖掘和超文本挖掘是基于链接的分类的最主要的应用领域。Web page的分类是此次研究的内容。?? 　　基于链接的分类在分类时依据两方面的内容，即对象自身的属性和相邻对象的属性。例如，基于链接的分类应用到网页分类时，要考虑的不仅仅是网页本身的内容，其相邻网页的类标记也是依据。?? 　　基于链接的分类的三个基本原理是：?? 　　a)链接特征的解释。对相邻对象的特征进行描述，并利用其帮助预测待分类对象的类。?? 　　b)集体分类。对于链接对象集合，由于对象间相关联，在分类时需要考虑相邻对象的类，即对象的分类过程不能看做是独立