已閱讀1頁，還剩89頁未讀， 繼續(xù)免費閱讀
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)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著信息技術(shù)的飛躍式發(fā)展,互聯(lián)網(wǎng)進入了一個信息爆炸的時代,搜索引擎成為了人們獲取信息最主要的途徑。然而,互聯(lián)網(wǎng)上存在很多近似網(wǎng)頁,一方面加重了用戶從中尋找有價值信息的負擔,另一方面,為近似網(wǎng)頁建立索引消耗了大量不必要的存儲和計算資源,進而影響整個搜索引擎的質(zhì)量和性能?？梢?對網(wǎng)頁進行近似檢測不僅能夠提高索引效率,節(jié)約存儲資源,同時能夠顯著地提升搜索引擎的用戶體驗。
本文首先對近似網(wǎng)頁檢測的研究現(xiàn)狀做出綜述,并對現(xiàn)有算法做出
2、深入分析。
隨后,提出了一種基于加權(quán)DOM樹的網(wǎng)頁正文提取算法,通過實驗驗證了該算法在各類網(wǎng)頁集上均獲得高的正文提取準確率,并將其應(yīng)用于本文的近似網(wǎng)頁檢測算法。
接著,提出了一種基于段落指紋的近似網(wǎng)頁檢測算法,該算法充分利用了中文語言的語法結(jié)構(gòu)、文章主題語義和HTML標簽語義,實驗數(shù)據(jù)表明,本文算法能夠獲得高的準確率和召回率。實現(xiàn)了三種已有的優(yōu)秀近似網(wǎng)頁檢測算法,實驗數(shù)據(jù)表明,本文算法在準確率、召回率、效率和
溫馨提示
- 1. 本站所有資源如無特殊說明，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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 大規(guī)模群體人數(shù)檢測算法研究.pdf
- 大規(guī)模MIMO系統(tǒng)檢測算法研究.pdf
- 基于大規(guī)模復雜網(wǎng)絡(luò)的重疊社團檢測算法研究.pdf
- 基于大規(guī)模指紋庫的指紋識別算法研究.pdf
- 基于局部媒紋的大規(guī)模圖像拷貝檢測算法研究.pdf
- 大規(guī)模MIMO檢測算法研究與仿真.pdf
- 大規(guī)模網(wǎng)頁相似度算法的研究.pdf
- 基于內(nèi)容的近似圖像檢測算法研究.pdf
- 基于多項式展開的大規(guī)模MIMO信號檢測算法研究.pdf
- 大規(guī)模柔體的連續(xù)碰撞檢測算法研究.pdf
- 大規(guī)模指紋庫的快速指紋識別算法研究.pdf
- 低復雜度大規(guī)模MIMO檢測算法的研究.pdf
- 基于TrustRank的垃圾網(wǎng)頁檢測算法研究.pdf
- 大規(guī)模MIMO中低復雜度檢測算法設(shè)計.pdf
- 基于數(shù)字指紋的文本抄襲檢測算法研究.pdf
- 面向5G的大規(guī)模MIMO信號檢測算法研究.pdf
- 大規(guī)模有源RFID系統(tǒng)中標簽快速檢測算法的研究.pdf
- 基于譜哈希的大規(guī)模網(wǎng)頁分類算法研究與實現(xiàn).pdf
- 大規(guī)模MIMO系統(tǒng)中的低復雜度檢測算法研究.pdf
- 大規(guī)模聯(lián)合選址庫存問題的近似算法研究.pdf
評論
0/150
提交評論