面向专业主题的网页分类算法研究-计算机软件与理论专业毕业论文.docxVIP

国防科学技术大学研究生院学位论文摘 国防科学技术大学研究生院学位论文 摘 要 网络的发展使人们能够快捷方便地从全世界范围内获得多样的电子资源信息，但是随 着数字资源信息的爆炸性增长，快速有效地获取相关信息却又变得越来越困难。因而对信 息获取技术的发展提出了更高的要求。由于网络资源的复杂性，综合性的搜索引擎已经不 能满足用户信息检索的准确性需要。因此专业化、专题化信息搜索技术成为目前的一个研 究热点。本论文结合奥运专题网页，针对网络信息获取的相关技术进行了初步研究和探讨。 本论文主要工作包括以下几个方面： (1)结合奥运网页的过滤问题，对自动分类领域中不同的特征选择方法以及各种分 类器的设计和性能评价方面进行了分析，并在具体的实验数据集合上将不同的特征选择方 法和不同的分类器相结合进行了比较性的实验。实验表明，多种特征选择的方法能够准确 地选择有较好的分类能力的特征，能够达到特征降维的目的。而对于利用特征加权后的分 类性能，不同的分类器会取得不同的分类结果，主要是因为每个分类器的分类机理有所不 同，使不同频率的特征在分类中发挥的作用相异所至。 (2)针对网络资源具有动态性、顺序性和时效性的特点，基于Rocchio的检索字扩 展模型提出了增量式网页的自适应分类方法。由于网页数据存在着复杂性，在不借助人工 判断的情况下，计算机很难做出准确的相关性评价，利用错误的评价结果调整分类器，就 容易使分类模型恶化。通过设置正反例置信区间和利用动态的修订系数，使分类模型既保 持了分类器的性能，又使其具有一定的适应能力。 关键字：网页过滤、特征选择、自适应分类 ABSTRACTWith ABSTRACT With the deve[opment ofInternet．it makes peopie convertient to get various resources from all the world。But it also comes to be more and more diffi CUlt to retrieve relevant information quicklY because of the explosion of So．higher requirements put forward for advancing the technology of gathering information．Due to the complexity of Web pages，general search engines cannot meet the exact need of users．Hence special technofogy and method of information acquirement is becoming hot research direction．In thiS thesis，with respect to the Chinese Olympic subject web pages，some techniques of Internet information gathering studied． Studies in thiS thesis inelude： (1)Aim to OlympiC web page filtering，variety of feature selection methods． Classifiers and metriCS used for Classification result have been covered．And substitutes of combinatiOD of every feature selection method and every classifier tested data sets．Exper iments show that some methods are effective whi l selecting features．When feature weighting is considered．different classifier may take out distinct resuIt．The principle of each classifier iS distinct from others，SO features with different occurrence frequency may play different effect． (2)Considering the dynamic，sequence and timel iness of Internet． Adaptire Classifica