以標(biāo)簽為導(dǎo)向的網(wǎng)頁摘要技術(shù).pdf

1、隨著Web2.0技術(shù)的廣泛應(yīng)用，越來越多的網(wǎng)頁文檔上留下了用戶給出的標(biāo)簽信息。這些附加在網(wǎng)頁文檔上的用戶標(biāo)簽信息是對網(wǎng)頁主旨內(nèi)容的一個高度概括。而目前絕大多數(shù)的網(wǎng)頁文檔摘要技術(shù)在生成摘要時，都沒有考慮這一重要的用戶交互信息，使得生成的摘要并不能準確把握網(wǎng)頁文檔的主旨。為此，本文提出了一種以標(biāo)簽為導(dǎo)向的網(wǎng)頁文檔摘要新技術(shù)。
　　 本文提出了一種確定標(biāo)簽重要性排序的新算法EigenTag，這一算法在確定標(biāo)簽重要性時，結(jié)合考慮了給出標(biāo)

2、簽的用戶信息和標(biāo)簽信息，使得那些能夠反映原網(wǎng)頁文檔主旨內(nèi)容標(biāo)簽的重要性權(quán)重得分得到提高，并可以有效抑制低質(zhì)量標(biāo)簽對標(biāo)簽重要性排序的影響。
　　 由于標(biāo)簽權(quán)重得分對句子得分的影響是基于標(biāo)簽詞和句中詞的完全匹配，但由于每篇網(wǎng)頁文檔所含有的高質(zhì)量的，能夠反映網(wǎng)頁文檔主旨內(nèi)容的標(biāo)簽數(shù)量有限。因此標(biāo)簽和網(wǎng)頁文檔中詞的不匹配現(xiàn)象會比較嚴重，進而造成標(biāo)簽權(quán)重得分不能有效賦予句中詞。為此，本文使用了關(guān)聯(lián)規(guī)則挖掘算法FP—Growth來擴展這些用