基于向量空间模型的中文网页主题特征项抽取

• 作者: 代宽 宋天勇 赵辉 韩冬
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 词频-逆向文件频率 向量空间模型 特征项 相关度计算 信息增益
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 88-94
• 页数: 7页
• 分类号: TP391
• 字数: 5601字
• 语种: 中文

摘要

为解决中文网页主题特征项抽取不精确的问题,对中文网页的主题特征项抽取算法进行了研究.网页的主题特征项抽取是主题网络爬虫进行网页相关度计算的基础,结合主题网页的二分类情况对目前常用的文本特征项加权方法TF-IDF(Term Frequency-Inverse Document Frequency)进行了改进,在此基础上结合网页的半结构化特征,综合考虑特征项的位置信息及其包含的信息量,提出了一种线性特征项加权计算方法.经实验验证,该方法可有效提高主题网页的召回率和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩冬	长春工业大学软件职业技术学院	15	52	3.0	7.0
2	赵辉	长春工业大学计算机科学与工程学院	38	168	7.0	12.0
3	宋天勇	长春工业大学计算机科学与工程学院	4	27	2.0	4.0
4	代宽	长春工业大学计算机科学与工程学院	1	22	1.0	1.0