摘要：

隨著Internet的迅速發展,網絡信息不斷膨脹。為了提供高效、準確的信息服務,我們需要對網絡中繁雜的信息進行合理的組織與分類。本文的目標就是以HTML文本信息處理為背景,從理論及應用兩個層次對文本信息的分類方法進行了較為深入的研究。 本文主要研究內容包括: 1．構建了一個實驗用語料庫。 2．研究了HTML標記對網頁內容的修飾作用,以前人理論為基礎設計和實現了基于HTML標記的網頁分析和加權策略與算法。 3．分析了HTML文本自動分類的重要技術:文本預處理；特征賦權；特征提取和特征選擇的六種評估函數:信息增益,互信息,期望交叉熵,X~2統計,文本證據權,右半信息增益。對用Webdup抓取得的HTML文本集進行了系統測試,分析了各種評估函數對不同分類器的優劣。 4．研究了HTML文本分類算法:樸素貝葉斯、K近鄰、支持向量機等幾種分類算法,將k近鄰方法和支持向量機相結合形成KNN-SVM分類器,更加適用于網頁文本自動分類的需要。并對KNN和KNN-SVM兩種分類器在復旦大學標準語料庫和網頁語料庫上進行了實驗比較分析,得出KNN-SVM是比KNN更好的分類器。 5．作為HTML文本自動分類技術研究的結果,采用VC++設計與實現了支持KNN和KNN-SVM兩種分類器的HTML文本自動分類原型系統。

展開

總結

以上是生活随笔為你收集整理的html如何实现文章分类功能,HTML文本自动分类技术的研究与工具的实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。