-
题名基于特征码的网页去重
被引量:11
- 1
-
-
作者
陈基漓
牛秦洲
-
机构
桂林工学院电子与计算机系
-
出处
《微计算机信息》
北大核心
2006年第03X期113-115,共3页
-
基金
广西区科技攻关项目(桂科攻0428002-1)
-
文摘
网页去重处理是提高检索质量的有效途径,本文给出了一个基于特征码的网页去重算法,介绍了算法的具体实现步骤,采用二叉排序树实现。算法有较高的判断正确率,在信息检索中有较好的应用前景。
-
关键词
网页去重
网页特征码
二叉排序树
-
Keywords
Duplicated webpages deletion
feature code of webpages
binary sort tree
-
分类号
TP285
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于文本相似度的网页消重策略
被引量:6
- 2
-
-
作者
刘书一
-
机构
江苏科技大学南徐学院
-
出处
《计算机应用与软件》
CSCD
2011年第11期228-229,278,共3页
-
文摘
针对在网页检索结果中经常出现内容相同或相似的问题,提出了一种通过计算网页相似度的方法进行网页消重。该算法通过提取网页特征串,特征串的提取在参考以往特征码提取的基础上,加入了文本结构特征的提取,通过比较特征串之间差异性的基础上得到网页的相似度。经与相似方法比较,结果表明,该方法减少了时间复杂度,具有较高的查全率和查准率,适于大规模网页消重。
-
关键词
网页消重
网页特征码
文本相似度
编辑距离
-
Keywords
Elimination of duplicated web pages Web page feature code Text similarity Editing distance
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于文本抽取的网页正文去重算法
被引量:1
- 3
-
-
作者
曹传东
郭理
-
机构
石河子大学信息科学与技术学院
-
出处
《科技信息》
2009年第1期102-103,共2页
-
文摘
搜索结果页面的去重处理是提高网页检索结果质量的有效途径,笔者结合二叉排序树设计了一种基于文本抽取的网页正文去重算法,本文给出了该算法的具体实现。实验测试结果表明该算法在判断准确率、时间复杂度方面均具有一定优势,可应用于网络信息检索结果优化处理中的页面正文内容去重。
-
关键词
文本抽取
网页特征码
二叉排序树
网页去重
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-