基于UCL的網(wǎng)頁(yè)信息自動(dòng)分類及標(biāo)引技術(shù)研究.pdf

1、互聯(lián)網(wǎng)的迅猛發(fā)展，使網(wǎng)絡(luò)信息急劇增長(zhǎng)。人們對(duì)信息服務(wù)的要求不斷提高，未來的信息網(wǎng)絡(luò)將變得越來越人性化，用戶將獲得優(yōu)質(zhì)的信息服務(wù)和個(gè)性化的主動(dòng)服務(wù)。而網(wǎng)絡(luò)信息的內(nèi)容理解，對(duì)真正實(shí)現(xiàn)信息主動(dòng)服務(wù)有著重要作用，也是信息處理中十分重要的課題。論文從網(wǎng)頁(yè)信息的自動(dòng)分類與自動(dòng)標(biāo)引技術(shù)方面開展理論與實(shí)驗(yàn)研究，以解決共享信息網(wǎng)絡(luò)中網(wǎng)頁(yè)信息的內(nèi)容理解與資源整合問題。 論文首先分析了相關(guān)技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀，論述了UCL技術(shù)、文本分類和網(wǎng)頁(yè)信息自動(dòng)

2、標(biāo)引的相關(guān)基礎(chǔ)理論。 然后，提出基于網(wǎng)站結(jié)構(gòu)的分類算法及適合網(wǎng)絡(luò)信息資源的UCL分類代碼，創(chuàng)建分類特征庫(kù)，完成了網(wǎng)站結(jié)構(gòu)分類器的構(gòu)建。采用樸素貝葉斯算法，通過網(wǎng)頁(yè)預(yù)處理、文本分詞、特征提取等過程構(gòu)建了樸素貝葉斯分類器。完成語(yǔ)料庫(kù)的構(gòu)建，在統(tǒng)一分類法基礎(chǔ)上，測(cè)試兩種分類器的性能，實(shí)驗(yàn)結(jié)果表明，網(wǎng)站結(jié)構(gòu)分類器的準(zhǔn)確率達(dá)97％以上，優(yōu)于樸素貝葉斯分類器，驗(yàn)證了網(wǎng)站結(jié)構(gòu)分類器的可行性及有效性。 其次，參照都柏林核心元數(shù)據(jù)規(guī)范構(gòu)建