[原]基于体裁的中文网页自动分类的研究与实现

版权说明：本论文为原创性文章，已经公开发表在 中国科技论文在线 ( http://www.paper.edu.cn ) 。未经许可不可剽窃、抄袭、转载，违者责任自负。引用者请注明出处如下：  

赵文, 唐建雄. 基于体裁的中文网页自动分类的研究与实现[EB/OL]. 中国科技论文在线(http://www.paper.edu.cn), 2008,4.

论文下载地址：http://www.paper.edu.cn/paper.php?serial_number=200804-268&task=comment

论文摘要：

基于体裁的中文网页自动分类的研究与实现

E-mail：zw_79@163.com

摘  要：为了优化互联网信息检索系统，使其能更准确的从结果集中区分出满足用户需要的页面，本文提出了一种对网页按体裁分类的方法。该方法以网页的标签、形态、内容、词性作为体裁特征，并以特征项的频率、集中度和分散度三者结合为衡量标准，利用自动特征选取技术，从中选取出有价值的特征项；然后采用基于相似度加权的KNN分类算法对网页按体裁进行自动分类；最后设计和实现了分类系统，并进行了实验测试与结果分析。结果表明：分类器开放测试的平均精度达到80％。

关键词：网页分类；体裁；特征提取；K近邻算法

中图分类号：TP391           文献标识码：A