基于后缀数组的Web文本重复短语识别

• 作者: 张剑飞 李照欣
• 来源期刊: 高师理科学刊
• 学科: 工学
• 关键词: 后缀数组 特征抽取 短语识别
• 年，卷（期）: 2007,（5）
• 页码范围: 28-31
• 页数: 4页
• 分类号: TP31
• 字数: 3358字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9831.2007.05.009

摘要

重复短语识别是网页文本的特征抽取过程中的关键性技术之一,通过重复短语的识别能够有效地解决网页文本内容特征抽取的难题.研究利用后缀数组进行重复短语识别和抽取的方法.实验表明,该方法进行重复短语识别后,得到的特征向量对于源网页文本的表示更具有代表性,网页相关性的挖掘可以获得更好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张剑飞	齐齐哈尔大学计算机与控制工程学院	48	200	8.0	12.0
2	李照欣		1	1	1.0	1.0