基于Web挖掘的中文網(wǎng)頁分類的研究與實現(xiàn).pdf

1、在當(dāng)今信息時代，網(wǎng)絡(luò)已經(jīng)成為人們獲取各種信息的主要渠道。其中，網(wǎng)頁是承載這些信息的最主要載體。目前，網(wǎng)頁數(shù)量已經(jīng)相當(dāng)龐大，并且每天都還在增長，網(wǎng)頁內(nèi)容也混雜不堪。為了能夠有效地組織和分析如此海量的網(wǎng)頁信息，對網(wǎng)頁按照其主題進行分類成了首要的任務(wù)。然而網(wǎng)頁發(fā)展所帶來的各種問題嚴(yán)重影響著網(wǎng)頁分類系統(tǒng)的整體性能。
　　本文對已有的網(wǎng)頁分類相關(guān)技術(shù)進行了深入地學(xué)習(xí)和分析，總結(jié)了其存在的不足，對影響網(wǎng)頁分類系統(tǒng)性能的噪音和速度問題進行研究和

2、改進。網(wǎng)頁噪音的存在，嚴(yán)重影響分類結(jié)果的精度。因此，在本文的網(wǎng)頁分類系統(tǒng)中，網(wǎng)頁凈化作為一個單獨模塊被提煉出來，并采用了改進的網(wǎng)頁凈化方法。該方法把網(wǎng)頁結(jié)構(gòu)規(guī)則和語義規(guī)則相結(jié)合，能夠有效過濾網(wǎng)頁中的噪音信息。針對提高網(wǎng)頁分類系統(tǒng)運行效率的需求，本文采用了多項式核函數(shù)的SVM分類算法。模型訓(xùn)練中運用了泛化性能更好的基于超球體決策半徑的改進二叉樹訓(xùn)練方法，去提高訓(xùn)練速度。并對分類模型中決策函數(shù)的計算方式進行優(yōu)化，以減少決策過程中的計算量，達