搜索引擎中基于密度聚类的混合编码检测算法

来源 :数据采集与处理 | 被引量 : 0次 | 上传用户:pdiudiu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
搜索引擎有很多的关键技术,本文主要针对互联网中文HTML混合编码文件,研究了中文HTML文件的字符编码组成结构,然后对混合编码文件内容进行聚类,采用了数据挖掘领域的经典算法DBSCAN,将HTML文件分成几个大类,然后分别对各个类进行了基于特征编码检测。实验结果显示,当选取合适的参数时,对混合编码文件的聚类后,每个类与中文字符特征编码相符率达100%,可以广泛应用于搜索领域。
其他文献
目的探讨电子病案建设和实现中存在的有关问题。方法对电子病案标准化(包括其结构化、模板和字典、电子病案法律效力、电子病案质量、电子病案应用)等问题进行举例论述。结果电
球形岔管是水电站压力管路中一种较新形式的岔管,其制造工艺较为复杂,文章介绍了广东省水利电力学校江湾实习电站设计期间,从工程总体布置、水力计算、经济分析等方面对采用球形
1999年6月3日河北省抚宁县,一个体冰棍厂发生氨气管道及储罐爆炸,造成237名学生受伤被送入县级医院救治,其直接经济损失和间接损失重大,社会影响也较大。 1.爆炸的前后 1999
根据《泵站技术规范》出水流道一维流动的设计思路,对其进行计算机辅助设计,对虹吸式出水流道,除将规范上人工设计过程程序化外,还提出先设计流道内流速下降梯度模型,再反算各过水
随着国家经济实力不断的提升,人们的生活水平也逐渐提高。而休闲渔业作为大型的休闲娱乐场所,其规模也逐渐扩大。其中,如何将渔村更好地宣传,成为了该行业的首要难题。本文将
【正】作为目前各卫视台增加收视率、扩大影响力的重要抓手,电视"真人秀"娱乐节目以其"快乐"节奏在满足民众精神娱乐需求、缓释民众精神压力以及提升观众话语权方面成效显著
以状态空间模型作为信道的变化模型,研究了时变混合情况下非平稳信号的盲分离问题。首先将隐马尔可夫模型(HMM)和混合高斯(MOG)模型结合起来对具有动态结构和复杂分布的非平稳源信
农村自来水厂做为改善农村地区饮水条件,提高广大农民群众健康水平和生活水平的重要改水设施,正逐步发挥着日益重要的作用。辽宁省世界银行袋款项目农改水工程,1995年已建成
泵站安全运行是泵站管理中后个重要问题,以二三十年的泵站运行及事故处理资料为依据,对如何确保中小型泵站安全运行进行了总结,探索和研究。
大秦水库土坝的裂缝原因及处理措施吴东(广东省水电厅广州市510150)引言1992年广东省清新县大秦水库土坝发生裂缝,是近年来广东省土坝中的一次较大的裂缝。由于处理及时和加固得当,未酿成灾