基于多粒度树模型的Web站点描述及挖掘算法

被引：6

作者：

田永鸿

黄铁军

高文

机构：

[1] 中国科学院计算技术研究所

[2] 中国科学院计算技术研究所北京

[3] 中国科学院研究生院

[4] 北京

[5] 哈尔滨工业大学计算机科学与工程系

[6] 黑龙江哈尔滨

来源：

软件学报 | 2004年 / 09期

关键词：

算法; Web站点挖掘; 多粒度站点树; 上下文模型; 隐Markov树; 多粒度分类; 基于熵的剪枝;

D O I：

10.13328/j.cnki.jos.2004.09.013

中图分类号：

TP393 [计算机网络];

学科分类号：

081201 ; 1201 ;

摘要：

随着Web 所拥有的信息量和信息种类的急剧增长,Web 站点挖掘对于自动实现特定主题的 Web 资源发现和分类具有重要的意义.然而现有的 Web 站点分类或挖掘算法在利用上下文语义信息、去除噪声信息以进一步提高分类准确率等方面还缺乏深入研究.从站点的采样尺寸、分析粒度和描述结构 3 个方面分析了设计高效的 Web 站点挖掘算法所需要解决的问题.在此基础上,提出了一种新的 Web 站点多粒度树描述模型,并描述了包括基于隐 Markov 树的两阶段分类算法、粒度间上下文融合算法、两阶段去噪程序以及基于熵的动态剪枝策略在内的多粒度 Web 站点挖掘算法.站点的多粒度描述方法及挖掘算法为多站点查询优化、Web 效用挖掘等的深入研究奠定了基础.实验表明,该算法相对于基线系统平均可以提高 16%的分类准确率,并减少了 34.5%的处理时间.

引用

页码：1393 / 1404

页数：12

共 2 条

[1]

Constructing, organizing, and visualizing collections of topically related Web resources[J] . Loren Terveen,Will Hill,Brian Amento.ACM Transactions on Computer-Human Interaction (TOCHI) . 1999 (1)

[2]

Focused crawling: a new approach to topic-specific Web resource discovery[J] . Soumen Chakrabarti,Martin van den Berg,Byron Dom.Computer Networks . 1999 (11)

← 1 →