版權說明：本**為原創性文章，已經公開發表在http://www.*****.edu.cn
**摘要：
基於體裁的中文網頁自動分類的研究與實現
摘
要：為了優化網際網路資訊檢索系統，使其能更準確的從結果集中區分出滿足使用者需要的頁面，本文提出了一種對網頁按體裁分類的方法。該方法以網頁的標籤、形態、內容、詞性作為體裁特徵，並以特徵項的頻率、集中度和分散度三者結合為衡量標準，利用自動特徵選取技術，從中選取出有價值的特徵項；然後採用基於相似度加權的
knn分類演算法對網頁按體裁進行自動分類；最後設計和實現了分類系統，並進行了實驗測試與結果分析。結果表明：分類器開放測試的平均精度達到
80％。
：網頁分類；體裁；特徵提取；
k近鄰演算法
中圖分類號：tp391
文獻標識碼：a
基於svm的中文文字自動分類系統
首先介紹一下流程 1.先使用中科院的分詞器ictlas對訓練集進行分詞 2.將所有的詞構建成乙個字典，以label item的形式，後面svm要用到。如 1 中國 3.提取特徵詞，由於並不是每個詞都是有用的，因此要提取出特徵詞，主要提取名詞，動詞，動名詞，和使用者自定義的詞。由於採用了中科院的分詞演...
基於svm的中文文字自動分類系統
首先介紹一下流程 1.先使用中科院的分詞器ictlas對訓練集進行分詞 2.將所有的詞構建成乙個字典，以label item的形式，後面svm要用到。如 1 中國 3.提取特徵詞，由於並不是每個詞都是有用的，因此要提取出特徵詞，主要提取名詞，動詞，動名詞，和使用者自定義的詞。由於採用了中科院的分詞演...
NCrawler爬取中文網頁時亂碼問題的解決方法
查詢原因，發現在ncrawler.htmlprocessor專案下htmldocumentprocessor.cs中的process 方法使用htmldoc.detectencoding reader 進行頁面編碼檢測，出現中文亂碼情況。改用httpwebresponse中返回的characters...