基于改进HTML-Tree的中文网页特征向量提取方法

• 作者: 周军 李铭岳
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: HTML-Tree 特征向量 网页分类
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 基金项目
• 页码范围: 10-14
• 页数: 5页
• 分类号: TP393
• 字数: 5063字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2552.2009.01.003

摘要

中文网页特征向量的提取是提高中文网页分类准确度和召回度的关键.经过研究HTML网页的结构特点,提出一种基于改进的HTML-Tree及网页元素权重的中文网页文本预处理方法,并在此基础上进行网页文本特征向量的提取.该方法充分利用不同类别网页的特点,考虑了网页内各种元素权重的贡献.经过实验验证,该方法提高了网页特征向量提取的效率,有效提高了中文网页分类的准确度和召回度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周军		9	50	5.0	7.0
2	李铭岳	上海交通大学图像通信与信息处理研究所	1	4	1.0	1.0