基于UCL的網(wǎng)頁信息自動分類及標(biāo)引技術(shù)研究.pdf

1、互聯(lián)網(wǎng)的迅猛發(fā)展，使網(wǎng)絡(luò)信息急劇增長。人們對信息服務(wù)的要求不斷提高，未來的信息網(wǎng)絡(luò)將變得越來越人性化，用戶將獲得優(yōu)質(zhì)的信息服務(wù)和個性化的主動服務(wù)。而網(wǎng)絡(luò)信息的內(nèi)容理解，對真正實現(xiàn)信息主動服務(wù)有著重要作用，也是信息處理中十分重要的課題。論文從網(wǎng)頁信息的自動分類與自動標(biāo)引技術(shù)方面開展理論與實驗研究，以解決共享信息網(wǎng)絡(luò)中網(wǎng)頁信息的內(nèi)容理解與資源整合問題。 論文首先分析了相關(guān)技術(shù)的國內(nèi)外研究現(xiàn)狀，論述了UCL技術(shù)、文本分類和網(wǎng)頁信息自動

2、標(biāo)引的相關(guān)基礎(chǔ)理論。 然后，提出基于網(wǎng)站結(jié)構(gòu)的分類算法及適合網(wǎng)絡(luò)信息資源的UCL分類代碼，創(chuàng)建分類特征庫，完成了網(wǎng)站結(jié)構(gòu)分類器的構(gòu)建。采用樸素貝葉斯算法，通過網(wǎng)頁預(yù)處理、文本分詞、特征提取等過程構(gòu)建了樸素貝葉斯分類器。完成語料庫的構(gòu)建，在統(tǒng)一分類法基礎(chǔ)上，測試兩種分類器的性能，實驗結(jié)果表明，網(wǎng)站結(jié)構(gòu)分類器的準(zhǔn)確率達97％以上，優(yōu)于樸素貝葉斯分類器，驗證了網(wǎng)站結(jié)構(gòu)分類器的可行性及有效性。 其次，參照都柏林核心元數(shù)據(jù)規(guī)范構(gòu)建