中文农业搜索引擎字符编码识别

• 作者: 吴乃宁 张太红 白涛
• 来源期刊: 新疆农业大学学报
• 学科: 工学
• 关键词: 编码识别 卡方检验 多元线性回归 GB2312 Big5
• 年，卷（期）: 2014,（5）
• 页码范围: 420-423
• 页数: 4页
• 分类号: TP391.3
• 字数: 2422字
• 语种: 中文

摘要

针对农业网页中汉字编码标识混乱的情况,提出了一种综合运用编码规则和网页文本特征的字符编码识别模型。利用卡方检验算法,结合最小二乘多元线性回归方法,得到了基于网页文本特征的字符识别模型。实验结果显示,在适当的选取阈值(r ＝1,阈值＝属于某一编码的字符数/网页总字符数)和文本特征数(≥65)的基础上,模型准确率达到100％,且结果稳定。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张太红	新疆农业大学计算机与信息工程学院	74	332	9.0	15.0
2	白涛	新疆农业大学计算机与信息工程学院	16	30	3.0	4.0
3	吴乃宁	新疆农业大学计算机与信息工程学院	5	4	1.0	2.0