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
- 微笑是岁月的天使
- 2017年首都医科大学078006药理学考研目录
- 月亮与六便士The Moon and SixpenceWord
- 纪念爸爸
- 孩子早恋是成长的一面镜子
- 三亚南中国影视城规划设计方案Word
- 宁可自己一个人,干嘛还要拖累人?
- 埃森哲-关于中国铝业总体薪酬激励体系设计的初步建议Word
- 微笑如初
- 第二章 国民收入核算Word
- 午后阳光下、迩的最后一抹微笑
- 2017年首都医科大学078001药物化学招生目录
- 十二月 冬至将至
- 学雷锋我行动主题班会
- 产品研发管理Word
- 现代性与后现代文化Word
- 【精编版设计方案】2016年最新最权威光伏农业一体化项目设计方案Word
- 第六卷 1-3入场安全教育记录
- 第2章 第9课时 函数的图像Word
- 新平概况
- 《社戏》Word
- 法语发音整理
- 峨山概况
- 数据库英语综合测试题15答案
- 推行5S管理Word
- 结束需要勇气
- 办公事务管理作业答案Word
- 学车的无奈
- 从危机公关角度看和颐酒店事件Word
- 经过
网友关注视频
- 苏科版数学七年级下册7.2《探索平行线的性质》
- 七年级下册外研版英语M8U2reading
- 二年级下册数学第三课 搭一搭⚖⚖
- 化学九年级下册全册同步 人教版 第22集 酸和碱的中和反应(一)
- 七年级英语下册 上海牛津版 Unit5
- 沪教版八年级下册数学练习册21.3(3)分式方程P17
- 北师大版数学 四年级下册 第三单元 第二节 小数点搬家
- 冀教版小学数学二年级下册第二单元《有余数除法的整理与复习》
- 三年级英语单词记忆下册(沪教版)第一二单元复习
- 冀教版小学数学二年级下册第二单元《有余数除法的竖式计算》
- 冀教版英语五年级下册第二课课程解读
- 第8课 对称剪纸_第一课时(二等奖)(沪书画版二年级上册)_T3784187
- 沪教版牛津小学英语(深圳用) 五年级下册 Unit 10
- 每天日常投篮练习第一天森哥打卡上脚 Nike PG 2 如何调整运球跳投手感?
- 外研版英语三起6年级下册(14版)Module3 Unit2
- 冀教版小学英语五年级下册lesson2教学视频(2)
- 外研版八年级英语下学期 Module3
- 30.3 由不共线三点的坐标确定二次函数_第一课时(市一等奖)(冀教版九年级下册)_T144342
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 2
- 冀教版英语三年级下册第二课
- 冀教版小学英语四年级下册Lesson2授课视频
- 外研版英语三起5年级下册(14版)Module3 Unit1
- 北师大版数学四年级下册3.4包装
- 冀教版小学数学二年级下册第二周第2课时《我们的测量》宝丰街小学庞志荣
- 外研版英语三起6年级下册(14版)Module3 Unit1
- 沪教版八年级下次数学练习册21.4(2)无理方程P19
- 沪教版八年级下册数学练习册21.4(1)无理方程P18
- 二年级下册数学第二课
- 3.2 数学二年级下册第二单元 表内除法(一)整理和复习 李菲菲
- 沪教版八年级下册数学练习册21.3(2)分式方程P15
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