利用分块重要度进行中文网页分类的研究  

The study of Chinese Web-page classification based on block importance

作　　者：段昕[1] 马军[1] 宋玲[2] 

机构地区：[1]山东大学计算机科学与技术学院,山东济南250061 [2]山东建筑大学计算机科学与技术系,山东济南250101

出　　处：《山东大学学报（理学版）》2006年第3期1-4,共4页Journal of Shandong University(Natural Science)

基　　金：教育部骨干教师基金资助项目(教技司[2000]65)

摘　　要：由于网页中存在着许多“噪声”信息,所以相对于传统的纯文本分类来说,中文主题网页分类是一项更为困难的工作.但网页可以划分成不同的块,对分类而言每个块的重要度是不同的,可以利用分块的重要度提高网页分类的质量.介绍了几种流行的网页分块技术,并通过实验验证了基于分块重要度的主题网页分类法的分类质量优于传统的主题网页分类法.Web-page classification is more difficult than that for pure-text documents because of noisy information in Web pages. A Web page can be segmented into multiple blocks and the importance of blocks in a Web page for classification is not equivalent, which can be utilized to improve the quality of Web-page classification. Several prevalent methods for block-segmentation in a Web page are introduced, and then it is validated that the method for Chinese Web-page classification based on block importance is better than the one for traditional methods.

关 键 词：网页分割 块重要度 网页分类 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]