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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來,隨著Internet的發(fā)展,以及網(wǎng)絡(luò)帶寬越來越大,使Internet能夠給人們的生活帶來很大的便利。比如電子商務(wù)的發(fā)展,使Internet網(wǎng)絡(luò)成為了一種新的經(jīng)濟(jì)盈利模式。但是隨著Internet網(wǎng)頁容量的逐步增大,又使得人們難以有效的利用網(wǎng)絡(luò)數(shù)據(jù),雖然搜索引擎能夠很方便的讓人們查找有用的信息,但是目前搜索引擎基于關(guān)鍵字的搜索很難滿足大多數(shù)的要求。如何讓Internet網(wǎng)絡(luò)中的數(shù)據(jù)能夠得到聚合并且簡化,這成為了目前許多自然語言處理
2、領(lǐng)域研究者共同關(guān)注的一個(gè)話題。 隨著Web2.0的興起,對自然語言處理的要求越來越高,而基于自然語言處理的Web2.0應(yīng)用在Internet環(huán)境下取得了很大的成功,而基于標(biāo)簽分類的內(nèi)容共享系統(tǒng)作為其中的一個(gè)典型應(yīng)用,在系統(tǒng)中,用戶通過標(biāo)簽來分類管理網(wǎng)頁內(nèi)容,系統(tǒng)可以通過標(biāo)簽來統(tǒng)計(jì)出用戶的喜好,并可以看出目前流行的趨勢。在此基礎(chǔ)上搭建更好的應(yīng)用。 目前,人們使用自然語言處理對網(wǎng)頁文本進(jìn)行分類和自動文摘,這樣極大的提高了人們
3、使用網(wǎng)頁資源的效率。對網(wǎng)頁進(jìn)行歸類能夠使人們有效的整理網(wǎng)頁文檔,提高對網(wǎng)頁搜索并且利用的效率;對網(wǎng)頁的自動文摘,可以過濾掉許多我們不需要的信息,只關(guān)注網(wǎng)頁中最核心的部分,這樣極大的提供了網(wǎng)頁的利用率。 本文嘗試用一種新的基于Web2.0標(biāo)簽分類內(nèi)容共享系統(tǒng)構(gòu)建自動文摘模型。由于Web2.0標(biāo)簽分類內(nèi)容共享系統(tǒng)中標(biāo)簽信息有利于自動文摘的生成,本文在構(gòu)建自動文摘時(shí)充分利用這個(gè)特性,并對模型進(jìn)行了必要的優(yōu)化。 本文首先通過對自
4、動文摘目前的發(fā)展作出概述,并總結(jié)出網(wǎng)頁文本數(shù)據(jù)的特點(diǎn),結(jié)合這兩點(diǎn)對目前存在的網(wǎng)頁自動文摘方法進(jìn)行剖析。在此基礎(chǔ)上結(jié)合Web2.0中標(biāo)簽概念提出本文的對網(wǎng)頁自動文摘的模型: 首先根據(jù)文獻(xiàn)[4]提出的模型對網(wǎng)頁自動文摘建立初始模型一詞頻模型。這個(gè)模型主要使用經(jīng)典的TF/IDF方法計(jì)算單詞的權(quán)重,在計(jì)算IDF時(shí),我們使用標(biāo)簽分類內(nèi)容共享系統(tǒng)作為一個(gè)網(wǎng)頁信息的主要來源,在計(jì)算單詞權(quán)重的基礎(chǔ)上對句子進(jìn)行選擇。最后選擇權(quán)重最高的句子作為網(wǎng)頁
5、的摘要。 在詞頻模型的基礎(chǔ)上,我們對模型進(jìn)行了擴(kuò)展。網(wǎng)頁中包含了許多有用的信息,比如網(wǎng)頁標(biāo)題,網(wǎng)頁中的斜體,粗體,以及下劃線的文字都是一些有用的線索。為此我們定義了一些網(wǎng)頁數(shù)據(jù)的特征,然后利用訓(xùn)練數(shù)據(jù)對這些特征進(jìn)行訓(xùn)練,利用樸素貝葉斯公式對每個(gè)句子進(jìn)行評價(jià)。最后選擇權(quán)重最高的句子作為網(wǎng)頁的摘要。 詞頻模型以及詞頻模型的優(yōu)化都是從網(wǎng)頁本身入手,選擇出能夠代表網(wǎng)頁最重要信息的句子作為文摘。結(jié)合Web2.的標(biāo)簽概念,我們利用標(biāo)
6、簽這個(gè)外部信息來生成文摘。由于標(biāo)簽之間存在關(guān)聯(lián),在用標(biāo)簽生成文摘模型的基礎(chǔ)上,對模型進(jìn)行了改進(jìn),對那些統(tǒng)計(jì)意義上相關(guān)聯(lián)的標(biāo)簽進(jìn)行了統(tǒng)一評價(jià),這樣比較客觀地對單詞進(jìn)行評價(jià)。接下來考慮到句子之間可能存在語義上的重復(fù),我們利用余弦定理對句子進(jìn)行了消重。 利用經(jīng)典的召回率(Recall)、準(zhǔn)確率(Precision)、F1和ROUGE評價(jià)模型對文摘模型進(jìn)行評價(jià)。首先在現(xiàn)有的標(biāo)簽分類內(nèi)容共享系統(tǒng)上進(jìn)行試驗(yàn),說明標(biāo)簽可以很好的反映出網(wǎng)頁的主
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(hù)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(fù)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(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自己和他人造成任何形式的傷害或損失。
最新文檔
- 網(wǎng)頁分類中的標(biāo)簽權(quán)重自動優(yōu)化研究.pdf
- 基于標(biāo)簽的在線內(nèi)容共享機(jī)制研究.pdf
- 基于內(nèi)容安全的圖像標(biāo)簽分類研究.pdf
- 基于最大熵模型的網(wǎng)頁分類.pdf
- 基于網(wǎng)頁特征的中文網(wǎng)頁自動分類問題研究.pdf
- 基于網(wǎng)頁特征的中文網(wǎng)頁自動分類問題研究
- 基于潛在語義分析的多網(wǎng)頁自動文摘研究.pdf
- 基于向量空間模型的中文網(wǎng)頁自動分類技術(shù)研究.pdf
- 基于網(wǎng)頁自動分類的新聞檢索系統(tǒng).pdf
- 基于統(tǒng)計(jì)方法的網(wǎng)頁內(nèi)容分類技術(shù)研究.pdf
- 基于體裁的金融網(wǎng)頁自動分類方法.pdf
- 基于網(wǎng)頁自動分類的搜索引擎研究.pdf
- 基于Nutch的網(wǎng)頁自動分類與推薦的研究.pdf
- 網(wǎng)頁標(biāo)簽
- 基于改進(jìn)支持向量機(jī)的網(wǎng)頁自動分類研究.pdf
- 基于詞頻統(tǒng)計(jì)的自動文摘技術(shù)在音樂標(biāo)簽中的應(yīng)用.pdf
- 中文網(wǎng)頁形式自動分類.pdf
- 網(wǎng)頁自動分類技術(shù)研究.pdf
- Internet網(wǎng)頁自動分類技術(shù)的研究.pdf
- 基于SVM的中文網(wǎng)頁自動分類技術(shù)研究.pdf
評論
0/150
提交評論