一种相似网页文本分类方法的研究

• 作者: 张冬茉 李雪蕾
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 超文本描述语言 可分性判据 层次分类
• 年，卷（期）: 2003,（z1）
• 所属期刊栏目: 学术论文
• 页码范围: 13-14,92
• 页数: 3页
• 分类号: TP391.1
• 字数: 3348字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2003.z1.009

摘要

通过分析网页的特点及因特网用户感兴趣的查询信息,提出了一种基于机器学习的、独立于语种的文本分类模型.这一模型的算法主要利用字间的相关信息、词频、页面的标记信息以及对用户的查询信息的浅层语义分析,提取网页特征,并计算可调的词频加权参数和增加特征词的可分性信息,然后通过本类和非本类训练,建立预定义类的特征向量空间,进一步对文本进行分类.这种分类方法在对于相似文本分类中具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张冬茉	上海交通大学计算机系	29	317	10.0	17.0
2	李雪蕾	上海交通大学计算机系	2	100	1.0	2.0