基于相似度曲线的新闻网页分类模型研究

• 作者: 孙名松 陈福 高加旺
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 相似度曲线 VSM模型 特征抽取 TF-IDF公式
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 基金项目
• 页码范围: 15-18
• 页数: 4页
• 分类号: TP393
• 字数: 3912字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2552.2008.02.005

摘要

随着互联网的快速发展,网络日益成为人们查找有用数据的重要手段.由于WWW上的信息很多存储在HTML 页面上,网页分类就显得十分必要.利用各种开源软件,详细设计并实现了一个中文网页分类模型,同时利用元搜索技术实现数据采集,有效地提高了采集的广度和深度.在进行中文分词时利用了专业词库,此方法提高了分词的准确率,在建立VSM时提出了一种基于相似度曲线的网页特征抽取方法,此方法能有效解决特征提取的高维问题,并对提高特征区分度,缩小运算量具有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙名松	哈尔滨理工大学计算机科学技术学院	55	355	12.0	15.0
2	陈福	北京科技大学信息工程学院	11	44	3.0	6.0
3	高加旺	哈尔滨理工大学计算机科学技术学院	2	0	0.0	0.0