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76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,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著Internet信息量的飛速增長,數據挖掘技術的日益成熟及XML語言的崛起,Web數據挖掘技術迅速成為信息檢索領域的研究熱點。本文對Web數據挖掘技術、搜索引擎技術、XML語言、文本聚類技術作了系統(tǒng)的研究,介紹了其特點、原理、方法和研究現(xiàn)狀。如今Internet已經成為了人們獲取各種信息的主要來源,利用常用搜索引擎系統(tǒng)能夠獲得大量的相關信息,但是這些信息太多太亂,用戶難以迅速找到真正感興趣的網頁。對此,本文深入研究了如何對搜索引擎返

2、回的結果進行文本數據挖掘以獲得用戶感興趣的搜索模式。 本文從Internet用戶的興趣度出發(fā),提出了一種基于近似網頁聚類算法的Web文本挖掘技術。該技術根據用戶的興趣程度形成詞匯庫;利用模糊聚類方法獲得分詞詞典組;在用戶利用常用搜索引擎系統(tǒng)進行信息檢索時,采用MD5算法消除搜索引擎返回的重復頁,采用近似網頁聚類算法,對剩余頁面進行聚類,返回給用戶聚類后的網頁簇,這樣用戶就可以選擇瀏覽自己感興趣的頁面,從而大大提高了信息檢索的查準

3、率;為進一步滿足用戶的興趣需要,最后提出了一種基于馬爾可夫鏈的Web訪問序列挖掘算法,對返回給用戶的網頁簇進行二次排序,以保證用戶快速、準確地獲得真正關心的信息。實驗證明該算法在保證查全率和查準率的基礎上大大提高了搜索效率。由于是針對小文本的數據挖掘,本文研究的算法時間和空間復雜度都不高,因此有望成為一種實用、有效的信息檢索技術。 作者設計了一個基于上述思想的智能搜索系統(tǒng),并用于一個辦公自動化系統(tǒng)。該系統(tǒng)運行速度快,能夠兼顧查全

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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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