论文部分内容阅读
基于增量学习思想，提出了一种博客网页识别算法。针对博客网页所具有的特征，算法提取博客网页的HTML标签、URL字符、网页文本等构成特征值，采用C4.5算法构造决策树模型识别网页，同时记录正确和错误识别的网页。当算法的识别精度低于预设阀值时，在原有网页特征中加入误判网页特征，从而更新决策树模型以提高模型识别精度。实验结果表明，算法对博客网页具有很高的识别精度，在采集的博客网页上的识别精度达到了99％。