基于内容个性化的网页信息抽取技术的研究精选

《基于内容个性化的网页信息抽取技术的研究精选》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学分和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安

2、电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在本人签名：导师签名：年解密后适用本授权书。日期日期摘要摘要互联网技术的飞速发展使搜索引擎成为人们利用网络最主要的信息检索工具，而移动搜索业务作为互联网搜索

3、技术的延伸，能够为用户提供随时随地的信息服务，让用户在任何时刻、任何地点都能感受到信息时代的方便快捷。但是由于移动终端屏幕较小、网络接入速度慢、通信费用高等特点，就要求移动搜索的结果具有很高的精准性，并且能够抽取出相关网页的主题内容。根据以上背景，本文首先介绍搜索引擎及移动搜索的相关知识，其次介绍用户兴趣建模方法及其改进，在这部分主要提出一种通过改进的向量空间模型来表示用户的兴趣，用非线性函数处理特征项词频的方法，改进权值的计算；另外还利用改进的k-means聚类算法来表示用户的兴趣分类树，在此基础上建立用户兴趣模型。然后介绍网

4、页信息抽取相关技术，提出一种基于DOM结构的网页信息抽取方法，在生成解析树的基础上提取出网页的正文信息。最后介绍基于内容个性化的网页信息抽取系统的设计与实现，并进行测试与分析，实验证明能很好的满足用户个性化信息抽取的要求。本文提出的改进的向量空间模型使权值的计算更加准确，而改进的k-means聚类算法，克服传统算法中初始聚类中心难以确定的缺点，排除掉数据集的孤立点后再确定初始聚类中心，提高了k-means聚类算法的性能，能够更准确地发现用户的兴趣所在。另外基于DOM的网页信息抽取方法对于利用模板技术生成的网页，能够达到准确抽取网

5、页信息的效果。最后设计的网页信息抽取系统，在信息检索方面能够达到很高的查全率和查准率，很好的实现用户个性化查询的检索目的。本文提出的网页信息抽取方面的算法具有很好的实用性，但还需要进一步研究，数据快速增长后，数据的存储管理问题，如何提高正文的抽取速度，以及在方法的通用性方面加强研究，以获得更好的挖掘效率。关键词：移动搜索网页信息抽取web挖掘用户兴趣模型AbstractAbstractWiththerapiddevelopmentoftheInternettechnology,thesearchenginehasbecome

6、themostprimarytoolsofinformationretrieval.AstheextensionoftheInternetsearchtechnologies,mobilesearchcanprovideinformationserviceswheneverandwhereverpossible,whichmakeusersfeelconvenientandefficientintheinformationage.However,becausethemobileterminalscreenissmaller,th

7、enetworkspeedisslower,thecommunicationchargeishigher,andsoweneedobtaintheaccurateresults,andextractsubjectcontent.Basedontheabovebackground,thisarticlefirstlyintroducestherelatedknowledgeofsearchengineandmobilesearch.Secondlyintroducesthetechnologyofuseinterestmodeli

8、nganditsimprovement.Inthissection,weputforwardakindofimprovementvectorspacemodel.Weusenonlinearfunctionandfeaturefrequency,improvet