2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)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(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的快速發(fā)展和普及,人們越來越依賴于網(wǎng)絡(luò)獲取信息。作為海量的信息來源,web可以看成是一個巨大的數(shù)據(jù)庫,包含著各種各樣有價值的信息。但由于Web信息來源極為廣泛,信息發(fā)布帶有很大的隨意性,在為用戶提供信息的同時,也造成了信息過載和信息污染。對Web資源進行必要的評測,有助于人們快速獲取網(wǎng)上高質(zhì)量的信息?;趦?nèi)容相關(guān)性的web資源離群點挖掘就是研究如何從內(nèi)容相關(guān)性的角度獲取Web內(nèi)容資源高質(zhì)量的數(shù)據(jù)。
   本文使用web

2、內(nèi)容離群點挖掘算法對web資源內(nèi)容相關(guān)性質(zhì)量進行量化評測,并實現(xiàn)了一個原型系統(tǒng)。該系統(tǒng)包含兩個模塊:web文本內(nèi)容抽取和web文本內(nèi)容離群點挖掘。在第一個模塊中,針對新聞網(wǎng)頁內(nèi)容比較集中的特點,本論文采用基于統(tǒng)計的鏈接密度和鏈接文本密度的方法對HTML網(wǎng)頁的正文進行抽取,并將相關(guān)內(nèi)容集成到一個XML頁面中;在第二個模塊中,利用N—gram技術(shù)對獲得的XML文件中各個文檔進行建模,再應(yīng)用文本內(nèi)容離群點檢測算法,檢測出文檔集中內(nèi)容不相關(guān)的文

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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(dān)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