电脑开发与应用
電腦開髮與應用
전뇌개발여응용
COMPUTER DEVELOPMENT & APPLICATIONS
2008年
4期
4-6,25
,共4页
组块%向量空间%网页去重%主题
組塊%嚮量空間%網頁去重%主題
조괴%향량공간%망혈거중%주제
搜索引擎返回的重复网页不但浪费了存储资源,而且加重了用户浏览的负担.针对网页重复的特征,提出了一种基于主题的去重方法.该方法通过组块的思想提取出网页正文的主题,然后进行主题的相似度计算,把重复的网页去除.实验证明,该方法对全文重复和部分重复的网页都能进行准确的检测.
搜索引擎返迴的重複網頁不但浪費瞭存儲資源,而且加重瞭用戶瀏覽的負擔.針對網頁重複的特徵,提齣瞭一種基于主題的去重方法.該方法通過組塊的思想提取齣網頁正文的主題,然後進行主題的相似度計算,把重複的網頁去除.實驗證明,該方法對全文重複和部分重複的網頁都能進行準確的檢測.
수색인경반회적중복망혈불단낭비료존저자원,이차가중료용호류람적부담.침대망혈중복적특정,제출료일충기우주제적거중방법.해방법통과조괴적사상제취출망혈정문적주제,연후진행주제적상사도계산,파중복적망혈거제.실험증명,해방법대전문중복화부분중복적망혈도능진행준학적검측.
