2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩71頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著網(wǎng)絡(luò)信息量成爆炸式地增長(zhǎng),人們要在信息海洋中找尋自己需要的信息是十分困難的。這些信息大多數(shù)是以網(wǎng)頁(yè)文本的形式存放的,它們種類繁雜,缺乏組織,現(xiàn)有的以搜索引擎為代表的網(wǎng)絡(luò)信息系統(tǒng)難以為每個(gè)用戶都提供滿意的服務(wù)。如何將搜集的信息資源合理組織,如何從大量的信息中,針對(duì)用戶不同的興趣需求,返回用戶真正需要的信息,從而實(shí)現(xiàn)個(gè)性化搜索,成為目前研究的重要課題。所謂個(gè)性化搜索指的是通過收集和分析用戶信息來學(xué)習(xí)用戶的興趣和行為,從而實(shí)現(xiàn)主動(dòng)推薦的目

2、的搜索。
  為了準(zhǔn)確地表示用戶興趣,應(yīng)該對(duì)用戶訪問過并且感興趣的網(wǎng)頁(yè)特征進(jìn)行準(zhǔn)確地描述。即希望能用簡(jiǎn)潔而有代表性的特征描述網(wǎng)頁(yè)內(nèi)容。因此,對(duì)于網(wǎng)頁(yè)信息描述的準(zhǔn)確與否將直接影響用戶興趣描述的準(zhǔn)確與否,這是個(gè)性化服務(wù)的核心問題。然而,對(duì)于網(wǎng)頁(yè)信息的描述方法卻很少有人系統(tǒng)地研究,本文針對(duì)網(wǎng)頁(yè)特征的描述方法進(jìn)行了探討,主要進(jìn)行了以下三個(gè)方面的研究工作:
 ?、倩谟脩襞d趣的網(wǎng)頁(yè)正文的提取。目前網(wǎng)頁(yè)的形式多種多樣,包含了大量與網(wǎng)頁(yè)主

3、題無(wú)關(guān)的內(nèi)容,如廣告、圖片、無(wú)關(guān)鏈接等,這些與網(wǎng)頁(yè)主題無(wú)關(guān)的內(nèi)容會(huì)嚴(yán)重影響搜索引擎等Web服務(wù)的效果。本文通過對(duì)網(wǎng)頁(yè)HTML的語(yǔ)法分析,在基于HTML元素的網(wǎng)頁(yè)正文提取算法基礎(chǔ)上,基于啟發(fā)式規(guī)則對(duì)網(wǎng)頁(yè)正文提取方法進(jìn)行了改進(jìn),得到了基于超鏈接到無(wú)網(wǎng)頁(yè)正文提取算法,測(cè)試結(jié)果表明這種方法能有效地得到大部分HTML網(wǎng)頁(yè)的正文部分。
 ?、诨谂d趣詞典的網(wǎng)頁(yè)分詞技術(shù)。傳統(tǒng)的機(jī)械分詞的詞典數(shù)據(jù)量龐大,分詞系統(tǒng)的負(fù)荷很大。針對(duì)網(wǎng)絡(luò)用戶的興趣不同

4、,本文利用興趣詞典這一新概念,通過對(duì)不同用戶瀏覽過的網(wǎng)頁(yè)集進(jìn)行分詞處理,分別為每個(gè)用戶建立不同的興趣詞典。該詞典存放于客戶端,從而將網(wǎng)頁(yè)關(guān)鍵詞提取的工作由服務(wù)器端轉(zhuǎn)移到客戶端,節(jié)省了系統(tǒng)開支,并且通過實(shí)驗(yàn)表明基于用戶興趣詞典的網(wǎng)頁(yè)關(guān)鍵詞提取在保持分詞精度的同時(shí)可以增強(qiáng)系統(tǒng)的實(shí)時(shí)性,降低了網(wǎng)頁(yè)描述的維度。
 ?、郾疚囊允噶靠臻g模型為Web文本的表示方法,在網(wǎng)頁(yè)標(biāo)簽分析的基礎(chǔ)上,在網(wǎng)頁(yè)描述時(shí)結(jié)合了網(wǎng)頁(yè)正文中“多詞長(zhǎng)句”特征,對(duì)常用的詞

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論