搜索引擎中基于密度聚类的混合编码检测算法

• 作者: 张启飞 朱旭辉 潘雪增 章晟
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 搜索引攀 密度聚类 字符编码
• 年，卷（期）: 2011,（1）
• 页码范围: 95-100
• 分类号: TB319
• 字数: 4278字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2011.01.018

摘要

搜索引擎有很多的关健技术,本文主要针对互联网中文HTML混合编码文件,研究了中文HTML文件的字符编码组成结构,然后对混合编码文件内容进行聚类,采用了数据挖掘领城的经典算法DBSCAN,将HTML文件分成几个大类,然后分别对各个类进行了基于特征编码检测.实脸结果显示,当选取合适的参数时,对混合编码文件的聚类后,每个类与中文字符特征编码相符率达100,可以广泛应用于搜索领城.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘雪增	浙江大学计算机科学与技术学院	89	1318	17.0	34.0
2	章晟	浙江大学计算机科学与技术学院	1	1	1.0	1.0
3	张启飞	浙江大学计算机科学与技术学院	7	10	2.0	2.0