基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对网页内容相似重复的特点,提出了一种改进算法对网页进行去重处理.该方法能够有效地对网页进行去重,并能对网页信息进行冗余识别处理.实验结果表明,与原有网页去重算法相比,该算法的执行效果提高了14.3%,对网页去重有了很明显的改善.
推荐文章
基于特征串的网页文本并行去重算法
搜索引擎
特征串
网页去重
Simhash
Map/Reduce
基于特征码的网页去重
网页去重
网页特征码
二叉排序树
基于正文结构和长句提取的网页去重算法
网页去重
正文结构树
长句提取
层次指纹
改进的基于布尔模型的网页查重算法
网络
特征
布尔模型
相似网页
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 网页去重的改进算法
来源期刊 微型机与应用 学科 工学
关键词 网页去重 特征提取 特征表示
年,卷(期) 2011,(12) 所属期刊栏目 软件天地
研究方向 页码范围 16-18
页数 分类号 TP391
字数 3429字 语种 中文
DOI 10.3969/j.issn.1674-7720.2011.12.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王静 西安电子科技大学计算机学院 39 175 8.0 12.0
2 刘观宁 2 3 1.0 1.0
3 张钰辉 西安电子科技大学计算机学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网页去重
特征提取
特征表示
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术与网络安全
月刊
2096-5133
10-1543/TP
大16开
北京市海淀区清华东路25号(北京927信箱)
82-417
1982
chi
出版文献量(篇)
10909
总下载数(次)
33
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导