网页分类技术

• 作者: 孙建涛 沈抖 石纯一 陆玉昌
• 来源期刊: 清华大学学报(自然科学版)
• 学科: 工学
• 关键词: 机器学习 网页分类 文本分类 网络挖掘
• 年，卷（期）: 2004,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP181
• 字数: 4395字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-0054.2004.01.017

摘要

网页分类是使用机器学习的方法实现网页类别的自动标注.回顾了文本分类技术的研究状况,分析了网页的结构特征,难点在于结合网页的结构信息选择合理的表示方式和分类算法.使用纯文本分类技术处理网页是不合理的.基于概率模型的方法和关系学习方法计算量大,关系学习方法学习结果的可解释性好,支持向量机方法分类准确率高,但核函数的构造和大规模数据集的训练都是该算法的难题.应该采用多种指标对网页分类算法进行评价.