基于本體的Web頁面分類挖掘.pdf

1、Web是一個巨大的、廣泛分布的全球化信息倉庫,它提供了新聞、財經(jīng)、廣告、商務(wù)、文化、教育等多方面的信息服務(wù).如何有效地幫助用戶從Web上發(fā)現(xiàn)他們感興趣的資源,已經(jīng)成為一個迫切需要解決的課題.論文首先介紹了Web挖掘的一些基本概念、方法和技術(shù),闡述了什么是Web挖掘,為什么要進行挖掘.研究了基于主題特征詞和統(tǒng)計學(xué)知識的Web頁面分類挖掘的一般過程和方法.作者針對一個已有的系統(tǒng)進行分析,指出了該方法的局限性——在學(xué)習(xí)階段對于訓(xùn)練集依賴性大,

2、導(dǎo)致在訓(xùn)練集不足的情形下分類的精度不高.針對基于主題特征詞和統(tǒng)計學(xué)知識的Web頁面分類挖掘的缺陷提出了基于本體的Web頁面分類挖掘模型.該模型利用本體來表述已有知識,在此基礎(chǔ)上對解析后的頁面采用多種匹配方法進行信息抽取,并結(jié)合三個算法來計算頁面與本體的相關(guān)度,來提高相關(guān)度計算的正確性,建立更為有效的分類規(guī)則,以力求提高分類的精度.建立了一個基于本體的Web頁面分類挖掘原型系統(tǒng),通過實驗表明,這種基于本體的方法確實能夠在訓(xùn)練集數(shù)量較小的情