网页去重方法研究及算法设计
张素智
樊得强
1.郑州轻工业学院,计算机与通信工程学院,河南,郑州,4500022.郑州轻工业学院,计算机与通信工程学院,河南,郑州,450002
摘要：针对在网页检索结果中经常出现内容相同的冗余页面的问题,为了按用户偏好对搜索结果进行筛选,提出了一种通过中文字主题要素学习网页内容的网页去重算法.该算法通过抽取网页要素中用户偏好的短语来抽取网页的内容,根据学习的网页内容计算其相似度来判断网页的重复度.经与相似方法比较,结果表明,该方法能够完成针对中文内容网页的去重,具有较高的查全率和查准率.
关键词：中文字主题要素模糊匹配去重算法查全率差准率
分类号：TM912.2(独立电源技术（直接发电）)
资助基金：河南省重点科技攻关项目(082102210054)河南省自然科学基金资助(0411010500)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 63-66,74 )
英文信息