版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著Internet的不斷發(fā)展,網(wǎng)絡(luò)信息共享給人們帶來(lái)了極大的方便,但同時(shí)引入了大量轉(zhuǎn)載信息。去除重復(fù)網(wǎng)頁(yè)可以提高搜索引擎的搜索精度,減少海量數(shù)據(jù)存儲(chǔ)空間,改善用戶的體驗(yàn):另外重復(fù)信息的檢測(cè)有利于打擊文章的剽竊抄襲,保護(hù)作者的原創(chuàng)性。綜上網(wǎng)頁(yè)的重復(fù)檢測(cè)是非常有研究意義的課題。 網(wǎng)頁(yè)去重和科技論文抄襲是重復(fù)凸顯的兩個(gè)問(wèn)題。目前的算法以關(guān)鍵詞去重、指紋去重為主,解決程序重復(fù)及文檔重復(fù)的論述居多,而對(duì)網(wǎng)頁(yè)噪聲的影響考慮的較少,另外搜索
2、引擎實(shí)際上是超大規(guī)模的網(wǎng)頁(yè)去重的應(yīng)用,如何提高去重效率也是本項(xiàng)研究的需要解決的主要問(wèn)題。 本文分別針對(duì)以上兩類重復(fù)提出了相應(yīng)的解決策略。從理論和應(yīng)用兩方面對(duì)去重算法及其應(yīng)用進(jìn)行了較為系統(tǒng)的研究,概括如下: (1)大規(guī)模網(wǎng)頁(yè)去重。網(wǎng)頁(yè)重復(fù)以轉(zhuǎn)載為主,去重的瓶頸是如何降低網(wǎng)絡(luò)噪聲的影響和提高去重效率。本文針對(duì)網(wǎng)頁(yè)噪聲形式多樣,去除噪聲規(guī)則不易移植的局限性,論述了基于節(jié)點(diǎn)重復(fù)的較為普適的去除噪聲的方法。為了增大網(wǎng)頁(yè)去重的準(zhǔn)確性
3、,然后提出基于最大塊的網(wǎng)頁(yè)特征抽取算法,并與傳統(tǒng)的方法加以比較進(jìn)行分析。最后,本文應(yīng)用Bloom Filter的特征碼映射和B-Tree的特征碼組織形式,保證了大規(guī)模網(wǎng)頁(yè)去重的效率。 (2)科技論文抄襲檢測(cè)。當(dāng)前科技論文抄襲嚴(yán)重,但針對(duì)科技論文抄襲的自動(dòng)檢測(cè)的學(xué)術(shù)研究不多。本文對(duì)科技論文的抄襲檢測(cè)做出了嘗試。首先將科技論文應(yīng)用bootstrapping算法進(jìn)行主題詞擴(kuò)展,并根據(jù)主題詞的重復(fù)情況粗分重復(fù)組,然后提出基于滑動(dòng)窗口的加
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征碼的大規(guī)模中文網(wǎng)頁(yè)并行去重方法.pdf
- 大規(guī)模短文本的分類過(guò)濾方法研究.pdf
- 全自動(dòng)動(dòng)平衡去重機(jī)去重策略研究.pdf
- 超大規(guī)模的短文本聚類研究.pdf
- 大規(guī)模Web信息抽取與文本分類研究.pdf
- 大規(guī)模文本分類的若干問(wèn)題研究.pdf
- 面向大規(guī)模短文本的分類技術(shù)研究.pdf
- 基于機(jī)器學(xué)習(xí)的大規(guī)模文本分類.pdf
- 大規(guī)模層次文本分類解決方案
- 大規(guī)模Web文本快速分類關(guān)鍵技術(shù)研究.pdf
- 大規(guī)模定制模式評(píng)價(jià)及實(shí)施策略研究——以MOLEX公司大規(guī)模定制生產(chǎn)為例.pdf
- 大規(guī)模層次文本分類的解決方案.pdf
- 大規(guī)模定制模式下物料供應(yīng)策略研究.pdf
- 大規(guī)模定制下延遲策略應(yīng)用研究.pdf
- 東方鋼鐵集團(tuán)大規(guī)模定制營(yíng)銷策略研究.pdf
- 大規(guī)模VANET數(shù)據(jù)傳輸策略的研究.pdf
- 大規(guī)模風(fēng)電場(chǎng)參與調(diào)頻的控制策略研究.pdf
- 面向大規(guī)模定制的延遲策略應(yīng)用研究.pdf
- 大規(guī)模風(fēng)電場(chǎng)群無(wú)功電壓控制策略研究.pdf
- 大規(guī)模中文文本檢索中的高性能索引研究.pdf
評(píng)論
0/150
提交評(píng)論