基于模糊集模型的相似HTML文件检测方法

• 作者: 宋平
• 来源期刊: 中国公共安全（学术版）
• 学科: 工学
• 关键词: 模糊集模型 网络信息检索 相似检测 HTML文件 优势比
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 网络安全
• 页码范围: 107-111
• 分类号: TP183
• 字数: 4909字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2396.2011.01.024

摘要

目前,随着信息技术的发展,互联网上的信息量越来越庞大,造成部分内容或全部内容重复的网页文件大量存在于网络中.这些文件不仅给网络带来很多冗余的信息,而且增加了额外的储存空间及过滤特殊信息的耗时,进而降低了网页信息检索的效率.本文提出一种新的对相似HTML文件的检测方法,将模糊集模型引入其中.该检测方法通过利用任意两个文件的优势比来确定文档的相似度,结果用图表显示文档中相似语句的位置.本文提出的检测类似文件的方法能够处理大量的不同大小的网页,且不需要静态单词列表,因此,它可应用于不同领域的不同网页文件之中.