一种改进的树路径模型在网页聚类中的研究

• 作者: 叶枫 王亚普 王志坚
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 信息提取 网页结构 相似度 树路径模型 聚类
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 2014'数据挖掘会议
• 页码范围: 109-113
• 页数: 5页
• 分类号: TP311.5
• 字数: 5865字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.5.022

摘要

相似度计算是文本挖掘的基础,也是信息提取过程的关键步骤.对于结构复杂的网页,当前基于传统树路径模型的相似度计算方法在准确性上尚不完善.传统树路径模型未考虑路径出现的先后顺序,并且比较路径相似度时用的是完全匹配,难以在不完全匹配时更精确地描述路径之间的相似度.因此,从网页结构相似度入手,提出了一种改进的树路径模型.该模型充分考虑了兄弟节点之间的关系、路径位置以及路径权重,弥补了传统树路径模型无法表达文档结构和层次信息的缺陷.实验结果表明,该模型提高了识别网页结构相似性的能力,既能对结构差别较大的网页进行良好的区分,又能较好地反映来自同一模板的网页之间的差异性,同时在网页聚类中具有更优的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志坚	河海大学计算机与信息学院	212	2079	22.0	37.0
5	叶枫	河海大学计算机与信息学院	24	156	7.0	11.0
9	王亚普	河海大学计算机与信息学院	2	4	2.0	2.0