基于混合向量空间模型的主题网站识别  

Specific website subject recognition based on the hybrid vector space model

作　　者：董宝力[1] 祁国宁[1] 顾新建[1] 

机构地区：[1]浙江大学机械与能源工程学院

出　　处：《清华大学学报（自然科学版）》2005年第S1期1795-1801,共7页Journal of Tsinghua University(Science and Technology)

基　　金：国家自然科学基金资助项目(60374057);国家"十五"科技攻关项目(211CERS-12)

摘　　要：为了实现面向特定领域网站的网络资源搜索,提出了一种描述网站主题特征的混合向量空间模型。利用链接文本信息来描述同类主题网站的内容和组织结构所具有的相似特点,而不是由网站链接的树或图结构反映。在向量空间模型的基础上,抽取反映网站结构和内容的文本特征信息,建立网站主题的特征向量模型。在此基础上进行制造企业网站的主题搜索,采用类中心向量法进行了网站主题分析。结果表明:该模型适合于网站主题的特征描述,有助于提高网站主题识别与分类的准确性和效率,在主题搜索和网站分类等应用中具有较好的适用性。Internet resource search for specific subject websites was realized using a hybrid vector space model developed to describe website subject features. The model describes the content and structure similarities of websites of the same subject by linking text information instead of by using tree and graph structures linked by the websites. The characteristic vector model for the website subject was established by extracting text information about website content and structure features based on the vector space...

关 键 词：网络搜索 向量空间模型 特征描述 制造网站 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]