基于发布时间的新闻网页去重方法研究

• 作者: 张永奎 罗永莲
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 新闻网页 主题内容抽取 网页去重 权值计算
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 119-121
• 页数: 3页
• 分类号: TP393
• 字数: 3312字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.06.039

摘要

网页检索结果中,用户经常会得到内容相同的冗余页面.它们不但浪费了存储资源,而且给信息检索或其它文本处理带来诸多不便.论文在抽取出新闻标题、主题内容和发布日期的前提下,依据新闻的时间性(易碎性),按发布日期分"群",对冗余网页去重方法进行了探索性研究,从而很大程度地缩小了计算时问,提高了去重准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永奎	山西大学计算机与信息技术学院	59	739	16.0	25.0
2	罗永莲	晋中学院计算机科学与技术学院	6	28	3.0	5.0