中文网页自动分类技术研究
上传者：蔡恒君|上传时间：2015-04-26|密次下载
中文网页自动分类技术研究
桂林工学院硕士学位论文
摘要
随着科学技术的飞速发展，人们进入了数字信息化时代，同时，电子信息急
剧膨胀。在这个时代，信息就是财富，信息决定成败。只有及时获取准确、有效
的信息，才能跟上时代的步伐。因此，对于浩如烟海的信息，帮助人们从中获取
准确、有效的信息成为信息处理领域的一个重要研究课题。网页是电子信息的载
体，其自动分类由此成为这个领域的一个重要研究方向。相对于人工分类，它能
够大大节省时间、物力和财力，还能提高自动分类的准确率和召回率。简言之，
研究实现中文网页自动分类不仅对于帮助人们快速、准确获取所需信息具有积极
的意义，而且对于推动和发展中文信息检索技术也有重要意义。
本文首先介绍了论文的课题背景、意义和国内外的研究现状，概述了文本自
动分类相关理论、主要技术和重要算法，在此基础上，简述中文网页自动分类，
再重点分析中文网页自动分类的关键技术，包括网页格式的转换、中文分词技术、
特征项选择方法、遗传算法降维和自动分类方法等。对于网页格式的转换，本文
通过分析网页的结构信息，针对其特点利用开源软件提取对分类有一定贡献的文
本信息：对于中文分词技术，采用分词性能良好的海量中文智能分词功能基础件
研究版进行分词；分词结束后，先组合文本频数和ｚ２统计法进行初步的特征项选
择，再根据分词结果结合网页结构信息特点改进ＴＦ．ＩＤＦ权重公式，使用改进后
的公式对特征项权重调整之后进行特征项的二次选择，然后，用文本表示模型表
示网页。这样，网页就转化成了文本，网页自动分类也就转化为了文本自动分类；
在综合比较了当前几个典型的网页自动分类算法之后，本文
选取了分类方面表现
出色的支持向量机方法。在特征项选择过程中降低特征向量维数方面，本文采用
了目前已应用于许多领域的具有全局优化能力的遗传算法。特征Ｔ旬量降维后，将
其用支持向量机方法训练构造ＳＶＭ多类分类器。实验结果表明，与用不降维的
特征向量训练构造的ＳＶＭ多类分类器相比，用降维后的特征向量训练构造的
ＳＶＭ多类分类器，其对网页进行自动分类的准确率和召回率都有～定程度的提
古
同。
关键词：中文主题网页自动分类，文本自动分类，特征项选择，遗传算法，网页
自动分类算法
下载文档
热门试卷
- 2016年四川省内江市中考化学试卷
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
- 山东省滨州市三校2017届第一学期阶段测试初三英语试题
- 四川省成都七中2017届高三一诊模拟考试文科综合试卷
- 2017届普通高等学校招生全国统一考试模拟试题（附答案）
- 重庆市永川中学高2017级上期12月月考语文试题
- 江西宜春三中2017届高三第一学期第二次月考文科综合试题
- 内蒙古赤峰二中2017届高三上学期第三次月考英语试题
- 2017年六年级（上）数学期末考试卷
- 2017人教版小学英语三年级上期末笔试题
- 江苏省常州西藏民族中学2016-2017学年九年级思想品德第一学期第二次阶段测试试卷
- 重庆市九龙坡区七校2016－2017学年上期八年级素质测查（二）语文学科试题卷
- 江苏省无锡市钱桥中学2016年12月八年级语文阶段性测试卷
- 江苏省无锡市钱桥中学2016-2017学年七年级英语12月阶段检测试卷
- 山东省邹城市第八中学2016-2017学年八年级12月物理第4章试题（无答案）
- 【人教版】河北省2015-2016学年度九年级上期末语文试题卷（附答案）
- 四川省简阳市阳安中学2016年12月高二月考英语试卷
- 四川省成都龙泉中学高三上学期2016年12月月考试题文科综合能力测试
- 安徽省滁州中学2016—2017学年度第一学期12月月考高三英语试卷
- 山东省武城县第二中学2016.12高一年级上学期第二次月考历史试题（必修一第四、五单元）
- 福建省四地六校联考2016-2017学年上学期第三次月考高三化学试卷
- 甘肃省武威第二十三中学2016—2017学年度八年级第一学期12月月考生物试卷
网友关注
- 核苷酸的生成及分解
- 微生物纲要(根据上课老师重点整理)
- 构造地质学
- 卫生统计学1
- 急救与自救学期作业
- 执象乾坤老师卦例
- 儿科复习资料1
- DNA的三级结构
- 开题
- 儿科护理学3
- 中药鉴定学试题
- 《护理中的医疗仪器》复习题
- 读《红楼梦》有感 韩礼
- 病例分析题
- DNA的双螺旋
- 内分泌部分出科试题
- 组织培养
- 微免实验复习整理(图文详尽版本)
- 核酸的序列测定
- 医学硕士专业学位临床能力考核方案-口腔正畸学
- RNA的分子结构
- S100–annexin complexes – biology of conditional association
- 克隆
- DNA和基因组
- 2015外科学学位复习题
- 执象乾坤
- 儿科护理学4
- 皖南医学院临床医学硕士专业学位研究生培养工作实施细则1-5(1)
- 核糖体RNA
- 思想道德修养与法律基础复习
网友关注视频
- 沪教版牛津小学英语（深圳用） 五年级下册 Unit 7
- 六年级英语下册上海牛津版教材讲解 U1单词
- 沪教版牛津小学英语（深圳用） 四年级下册 Unit 2
- 【部编】人教版语文七年级下册《泊秦淮》优质课教学视频+PPT课件+教案，辽宁省
- 苏科版八年级数学下册7.2《统计图的选用》
- 19 爱护鸟类_第一课时(二等奖)(桂美版二年级下册)_T502436
- 19 爱护鸟类_第一课时(二等奖)(桂美版二年级下册)_T3763925
- 《小学数学二年级下册》第二单元测试题讲解
- 外研版英语七年级下册module3 unit1第二课时
- 北师大版小学数学四年级下册第15课小数乘小数一
- 第4章 幂函数、指数函数和对数函数（下）_六 指数方程和对数方程_4.7 简单的指数方程_第一课时(沪教版高一下册)_T1566237
- 8.对剪花样_第一课时(二等奖)(冀美版二年级上册)_T515402
- 【获奖】科粤版初三九年级化学下册第七章7.3浓稀的表示
- 【部编】人教版语文七年级下册《过松源晨炊漆公店（其五）》优质课教学视频+PPT课件+教案，江苏省
- 【部编】人教版语文七年级下册《老山界》优质课教学视频+PPT课件+教案，安徽省
- 沪教版牛津小学英语（深圳用）五年级下册 Unit 1
- 3月2日小学二年级数学下册（数一数）
- 沪教版牛津小学英语（深圳用） 四年级下册 Unit 12
- 外研版英语三起6年级下册（14版）Module3 Unit2
- 冀教版英语三年级下册第二课
- 【部编】人教版语文七年级下册《泊秦淮》优质课教学视频+PPT课件+教案，天津市
- 北师大版数学四年级下册第三单元第四节街心广场
- 沪教版八年级下册数学练习册一次函数复习题B组（P11）
- 七年级英语下册 上海牛津版 Unit9
- 第19课 我喜欢的鸟_第一课时(二等奖)(人美杨永善版二年级下册)_T644386
- 【部编】人教版语文七年级下册《老山界》优质课教学视频+PPT课件+教案，安徽省
- 沪教版牛津小学英语（深圳用） 四年级下册 Unit 7
- 外研版英语七年级下册module1unit3名词性物主代词讲解
- 【部编】人教版语文七年级下册《逢入京使》优质课教学视频+PPT课件+教案，安徽省
- 二年级下册数学第二课
精品推荐
- 2016-2017学年高一语文人教版必修一+模块学业水平检测试题（含答案）
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
分类导航
- 互联网
- 电脑基础知识
- 计算机软件及应用
- 计算机硬件及网络
- 计算机应用/办公自动化
- .NET
- 数据结构与算法
- Java
- SEO
- C/C++资料
- linux/Unix相关
- 手机开发
- UML理论/建模
- 并行计算/云计算
- 嵌入式开发
- windows相关
- 软件工程
- 管理信息系统
- 开发文档
- 图形图像
- 网络与通信
- 网络信息安全
- 电子支付
- Labview
- matlab
- 网络资源
- Python
- Delphi/Perl
- 评测
- Flash/Flex
- CSS/Script
- 计算机原理
- PHP资料
- 数据挖掘与模式识别
- Web服务
- 数据库
- Visual Basic
- 电子商务
- 服务器
- 搜索引擎优化
- 存储
- 架构
- 行业软件
- 人工智能
- 计算机辅助设计
- 多媒体
- 软件测试
- 计算机硬件与维护
- 网站策划/UE
- 网页设计/UI
- 网吧管理