领域Web文本采集与分类系统研究

• 作者: 卫莉莉 王煜
• 来源期刊: 电子世界
• 关键词: 主题爬虫 特征提取 文本分类 向量空间模型
• 年，卷（期）: 2012,（21）
• 所属期刊栏目: 科研发展
• 页码范围: 80-81
• 页数: 2页
• 字数: 2870字
• 语种: 中文

摘要

本文以机械领域挖掘机为主题,介绍了一种面向领域的Web文本采集与分类系统实现方法,将专业词库与特征选择相结合,逐步筛选和更新主题特征词,扩充专业词库,通过由主题特征词构成的向量来明确表示主题；采用基于内容分析的方法抽取网页正文,去掉干扰主题相关度判断与文本分类的广告、导航等干扰文本；根据现有的机械主题类别信息,采用基于KNN的机械主题文本分类算法对文档集合进行多子类分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王煜		5	3	1.0	1.0
2	卫莉莉		2	0	0.0	0.0