Web挖掘中超文本分類的研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩65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)，請進行舉報或認領(lǐng)

文檔簡介

1、隨著Internet的飛速發(fā)展，Web已經(jīng)成為一個海量的、動態(tài)的、異構(gòu)的信息資源庫。這使得一方面出現(xiàn)“信息爆炸”，而另一方面，人們迫切需要從Web上快速、有效的獲取信息和知識。Web挖掘就是近來逐步興起的針對Web上異質(zhì)、非結(jié)構(gòu)化信息進行知識發(fā)現(xiàn)的研究領(lǐng)域。 本文先是從數(shù)據(jù)挖掘理論引出Web挖掘的概念，并討論了Web挖掘的流程和分類等，接著闡述了Web挖掘中的文本挖掘，并詳細論述了文本分類、超文本分類。最后重點介紹了基于Lee模

2、型的Na(i)veBayes文本分類方法和基于規(guī)則的超文本分類方法。在文本分類領(lǐng)域，DavidLee從心理學(xué)的角度提出Lee模型，Sanban用該模型定義特征詞的影響度，但特征詞的影響度在訓(xùn)練數(shù)據(jù)集上表現(xiàn)出傾斜性。根據(jù)Lee模型和貝葉斯概率重新定義了影響度，消除了傾斜性對分類的影響，研究了兩種讀取測試文檔的策略下文本分類精度的變化情況，結(jié)果表明啟發(fā)式的讀取策略能以較小的時間代價極大地改善Na(i)veBayes的分類性能。 相對

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(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。

評論

0/150

提交評論