论文部分内容阅读
针对网页重复的特点和网页正文的结构特征,提出了一种动态的、层次的、鲁棒性强的网页去重算法。该方法通过将网页正文表示成正文结构树的形式,实现了一种动态的特征提取算法和层次指纹的相似度计算算法。特征提取利用长句提取算法保证了强鲁棒性。实验证明,该方法对镜像网页和近似镜像网页都能进行准确的检测。
基于正文结构和长句提取的网页去重算法
【摘 要】
：
针对网页重复的特点和网页正文的结构特征,提出了一种动态的、层次的、鲁棒性强的网页去重算法。该方法通过将网页正文表示成正文结构树的形式,实现了一种动态的特征提取算法
【机 构】
：
重庆大学计算机学院
【出 处】
：
计算机应用研究
【发表日期】
：
2010年07期
【基金项目】
：
重庆市自然科学基金资助项目(CSTC2007BB3169)
其他文献
完善合作社与农户的利益联结机制,密切双方的利益联结,是破解家庭小生产与社会化大市场矛盾的有效途径。以首批全国农民专业合作社示范社渭源县五竹马铃薯良种繁育专业合作社
<正>尺骨撞击综合征是由于尺骨头、尺骨茎突与腕三角纤维软骨盘(TFC)、月骨及三角骨发生撞击造成骨软骨损伤,或腕尺侧过重负载而引起腕部尺侧的软组织血供和滑液营养障碍,使
通过文献资料法、数理统计法和归纳演绎法,对目前我国竞技体育最热门的话题——恒大模式进行系统研究。恒大俱乐部队伍的可持续性发展成为其被社会各界认可的关键,俱乐部长期
传统粒的表示上存在其局限性导致粒的适用性不强,难以满足用户对粒描述的兴趣点。在传统粒计算理论的基础上,对粒的表示方法加以改进,从而使粒更具适用性,进而定义了新表示方
<正>要拍出一张高质量的人像作品真是一件要求很高的事情,无论是外拍或是影棚拍摄都是如此。本期《数码摄影》将用28页的海量篇幅指导大家一步步进阶,拍摄出吸引人的好作品
<正>太乙观金针玄指功由“玄阴指”与“和阳指”功两部分构成,玄阴指属上部修指类硬功,贯劲即可运用; 和阳指属下部修指类内功,是前段功力的提升修持方法。二者之间有自相契
期刊
<正>内蒙古自治区是我国马铃薯主产区,马铃薯年产量突破1000万吨,约占全国产量的10%。自治区马铃薯精深加工发展较快,但是,产后损失严重的现象依然存在。农产品产地初加工设
<正> 讲解词,顾名思义,即讲解员向观众解说展品的文字语言。它是讲解员与观众之间交流思想的工具。讲解员通过讲解词,对展品作出准确、生动的描述,使观众了解展品的基本内容
随着经济的发展和社会的进步,合作意识和团队精神在企业内部越来越受到广泛的关注和重视。排球运动是一项使学生能产生深刻情绪体验的运动项目,在排球教学过程中,怎样才能让
<正> 富饶的四川,历来被誉为“天府之国”。古代蜀国先民是这块西方“乐土”的主要开拓者。蜀国之名最早见于《尚书·牧誓》,是参与武王灭商的八个盟国中的一个。此后,犹如昙