中文网页自动分类新算法

被引：15

作者：

张俐

李星

陆大

机构：

[1] 清华大学电子工程系!北京

来源：

清华大学学报(自然科学版) | 2000年 / 01期

关键词：

文本分类; 搜索引擎; 超文本描述语言(HTML);

D O I：

10.16511/j.cnki.qhdxxb.2000.01.012

中图分类号：

TP393 [计算机网络];

学科分类号：

081201 ; 1201 ;

摘要：

为了有效地组织因特网上极其丰富的信息资源 ,通过分析中文和中文网页的特点 ,提出了一种新的中文网页的自动分类算法。这种算法主要利用字间的相关信息、词频以及页面的标记信息等 ,提取网页特征 ,并计算可调的词频加权参数 ,然后通过本类和非本类训练 ,建立专家数据库。实验表明 ,该算法可以获得 80 %以上的网页分类准确率

引用

页码：39 / 42

页数：4

共 9 条

[1]

Context- sensitive learningmethods for text categorization. William W C,Yoram S. NineteenthAnnual International ACM SIGIR Conference onResearch and Developm ent in Information Retrieval . 1 996

[2]

Net -compass, a search engine for Chinese web pages. Zhang Li,Li Xing. The First AEARU Workshop on Web Technology . 1998

[3]

Exponentiated GradientVersus Gradient Decent for L inear Predictors. Kivinen J,Warmuth M K. Technical Report UCSC- CRL - 94- 1 6 ,basking Centerfor Computer Engineering and Information Sciences,University of California,Santa Cruz,CA . 1 994

[4]

Trainingalgorithms for linear classifiers[A]. David L,Robert S,James P C,et al. NineteenthAnnual International ACM SIGIR Conference onResearch and Developm ent in Information Retrieval . 1 996

[5]

Combining classifiers in text categorization. Leah S L,Croft W B. Hans-Peter Frei , Donna Harman, Peter Schanble. Nineteenth Annual International ACM SIGIR Conference on Research and Development in Information Retrieval[C],Zurich, Switzerland: ACM Press . 1996

[6]

Relevance feedback in informationretrieval. Rocchio J. The SMART RetrievalSystem :Experim ents in Automatic DocumentProcessing . 1 971

[7]

Adaptive Signal Processing. Widrow B,Stearns S D. . 1 985

[8]

Duda,R. O.,Hart,P. E. Pattern Classification and Scene Analysis . 1973

[9]

Using probabilistic models of document retrieval without relevance feedback. Croft W B,Harper D J. Journal of Documentation . 1979

← 1 →