基于个性化搜索的网页特征提取相关技术的研究-计算机软件与理论专业论文.docxVIP

山东科技大学硕士学位论文摘要 山东科技大学硕士学位论文 摘要 PAGE PAGE 1 摘 要 随着网络信息量成爆炸式地增长，人们要在信息海洋中找寻自己需要的信息是十分 困难的。这些信息大多数是以网页文本的形式存放的，它们种类繁杂，缺乏组织，现有 的以搜索引擎为代表的网络信息系统难以为每个用户都提供满意的服务。如何将搜集的 信息资源合理组织，如何从大量的信息中，针对用户不同的兴趣需求，返回用户真正需 要的信息，从而实现个性化搜索，成为目前研究的重要课题。所谓个性化搜索指的是通 过收集和分析用户信息来学习用户的兴趣和行为，从而实现主动推荐的目的搜索。 为了准确地表示用户兴趣，应该对用户访问过并且感兴趣的网页特征进行准确地描 述。即希望能用简洁而有代表性的特征描述网页内容。因此，对于网页信息描述的准确 与否将直接影响用户兴趣描述的准确与否，这是个性化服务的核心问题。然而，对于网 页信息的描述方法却很少有人系统地研究，本文针对网页特征的描述方法进行了探讨， 主要进行了以下三个方面的研究工作： ① 基于用户兴趣的网页正文的提取。目前网页的形式多种多样，包含了大量与网页 主题无关的内容，如广告、图片、无关链接等，这些与网页主题无关的内容会严重影响 搜索引擎等 Web 服务的效果。本文通过对网页 HTML 的语法分析，在基于 HTML 元素 的网页正文提取算法基础上，基于启发式规则对网页正