Web數(shù)據(jù)融合中網(wǎng)頁清洗相關技術研究.pdf_第1頁
已閱讀1頁，還剩68頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、互聯(lián)網(wǎng)中存在大量的重復網(wǎng)頁和網(wǎng)頁噪聲，用戶可能需要花費比預期更長時間以獲取所需信息。利用Web數(shù)據(jù)融合給用戶呈現(xiàn)所需信息之前，需要對這些內(nèi)容進行清洗。
　　利用網(wǎng)頁代碼的層次結構以及網(wǎng)頁正文內(nèi)容的特征信息，本文采用基于DOM結構樹和詞葉率（WLR值）的方法對網(wǎng)頁噪聲進行清洗，所有的操作都在DOM樹上完成，保留Web正文完整的結構信息。在節(jié)點的統(tǒng)計信息中只計算所包含的葉子節(jié)點數(shù)（所有的文本內(nèi)容都是包含在葉子節(jié)點中），統(tǒng)計信息更精確。

2、
　　在重復網(wǎng)頁的識別過程中，為提高特征項對全文的表征性，采用“先分割，再提取”的特征提取方法，在原有的經(jīng)典分割方法—TSF的基礎上加以改進，根據(jù)句子相似性矩陣，動態(tài)指定塊大小，自動識別主題邊界，不依賴用戶的參與，將網(wǎng)頁文本分割成局部連貫的子主題片段。從每個主題片段提取關鍵句作為片段的特征項，特征項在一定程度上遵循子主題的變化，能更完整表示一個網(wǎng)頁的內(nèi)容。
　　本文中借鑒simHash指紋的生成思路為每個主題片段生成一個特征

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論