基于關(guān)鍵詞的Web文檔自動(dòng)分類(lèi)算法研究.pdf

1、隨著網(wǎng)絡(luò)的發(fā)展，電子文檔大量涌現(xiàn)，Web文檔自動(dòng)分類(lèi)以迅速、快捷、客觀等手工分類(lèi)無(wú)可比擬的優(yōu)勢(shì)，使得其實(shí)用價(jià)值得到充分體現(xiàn)。Web文檔分類(lèi)越來(lái)越受到人們的重視，在網(wǎng)絡(luò)信息檢索中尤其突出。傳統(tǒng)的Web文檔分類(lèi)主要利用文檔之間特征詞的余弦相似度計(jì)算實(shí)現(xiàn)的，由于文檔中的特征詞過(guò)大，缺少對(duì)Web結(jié)構(gòu)的分析，同時(shí)對(duì)文檔不進(jìn)行語(yǔ)義分析，從而導(dǎo)致Web文檔分類(lèi)的質(zhì)量不高。 為了克服傳統(tǒng)方法的缺點(diǎn)，本文在利用文檔結(jié)構(gòu)的分析和TF-IDF的計(jì)算提

2、取關(guān)鍵詞的基礎(chǔ)上，提出了一種基于語(yǔ)義關(guān)系的Web文檔自動(dòng)分類(lèi)方法，以網(wǎng)絡(luò)中的Web文檔為處理對(duì)象，通過(guò)中文分詞從web文檔中抽取候選關(guān)鍵詞，然后對(duì)文檔結(jié)構(gòu)的分析和候 選關(guān)鍵詞的TF-IDF計(jì)算提取關(guān)鍵詞，利用《知網(wǎng)》中的語(yǔ)義關(guān)系層次結(jié)構(gòu)圖，使用改進(jìn)的概念重要度計(jì)算參數(shù)，對(duì)文檔間候選關(guān)鍵詞進(jìn)行語(yǔ)義相似度計(jì)算，構(gòu)建出拓?fù)浣Y(jié)構(gòu)圖，通過(guò)本文提出的聚類(lèi)算法進(jìn)行合理的優(yōu)化分割合并操作，最終歸納實(shí)現(xiàn)Web文檔的分類(lèi)。本文中關(guān)鍵詞的提取方法能很