2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩54頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著社會的進步,互聯(lián)網(wǎng)逐漸成為人們表達輿論的一個重要平臺。與傳統(tǒng)的媒體相比,網(wǎng)絡(luò)具有傳播迅速、用戶匿名等特點,這對社會輿論起到了很好的監(jiān)督作用,但也容易包含反動、迷信和黃色的內(nèi)容,給社會安定甚至國家安全帶來困擾。因此,如何在豐富的網(wǎng)絡(luò)信息中及時獲取當(dāng)前網(wǎng)民關(guān)心的輿情信息,幫助政府及時了解當(dāng)前社會重要事件及輿論方向就顯得十分重要。
  運用搜索引擎等信息技術(shù)進行網(wǎng)絡(luò)輿情的搜集與監(jiān)控是切實有效的方法。本文提出了一種改進的基于在線增量學(xué)

2、習(xí)的主題爬蟲SVM分類器算法。通過對傳統(tǒng)主題爬蟲SVM分類器的改進,將歷史訓(xùn)練集中對正反例影響較大的樣本剔除并與增量集重新訓(xùn)練來獲得完備的訓(xùn)練集,以提高獲取率。最后以該算法為基礎(chǔ)構(gòu)建了一個主題爬蟲框架,開發(fā)完成了一個面向網(wǎng)絡(luò)輿情抓取的主題爬蟲系統(tǒng),實驗結(jié)果表明,在網(wǎng)絡(luò)輿情的采集過程中有效的提高了網(wǎng)絡(luò)輿情信息的獲取率。
  本文的具體研究工作主要有:一是信息采集和預(yù)處理技術(shù)。研究如何從松散的非結(jié)構(gòu)化信息中采集資料。利用主題爬蟲技術(shù)和

3、網(wǎng)頁凈化技術(shù)、中文分詞技術(shù),實現(xiàn)網(wǎng)絡(luò)信息的自動采集與結(jié)構(gòu)化存儲。二是SVM分類器分類算法研究。通過人為設(shè)定的某一主題,經(jīng)過訓(xùn)練這一主題的訓(xùn)練集得到主題向量的向量模型表示,然后將實際抓取的頁面跟訓(xùn)練得到的主題向量模型進行相關(guān)度計算,將高相關(guān)度的網(wǎng)頁提取出來。實驗數(shù)據(jù)表明,在查準(zhǔn)率和查全率以及主題爬蟲的獲取率等方面,改進的增量學(xué)習(xí)的SVM分類方法的結(jié)果比傳統(tǒng)SVM分類方法明顯要好。三是開發(fā)完成了一個網(wǎng)絡(luò)輿情抓取原型系統(tǒng)。在以上研究的基礎(chǔ)上,

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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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

評論

0/150

提交評論