首页> 中文会议>中国计算机用户协会网络应用分会2008年网络新技术与应用研讨会 >基于版权信息的新闻网页去重算法

基于版权信息的新闻网页去重算法

页面导航

摘要
著录项
相似文献
相关主题

摘要

搜索引擎对互联网上的网页进行检索，由于存在大量的重复网页，不但加重了用户检索和阅读的负担，而且浪费了大量的存储资源，需要去掉这些重复的网页，以达到更高的采集效率。在分析现有的去重算法基础上，利用转载的新闻网页大多会标出其来源、出处这一特征，并结合文本内容，对重复网页进行去重。算法大大减少了同页文档之前相互比较的次数，更适合海量空间网页的去重，通过实验验证了该算法具有很高的正确率和召回率。

著录项

来源
《中国计算机用户协会网络应用分会2008年网络新技术与应用研讨会》|2008年|124-126|共3页
会议地点青岛
作者
杨邵玉; 梁正友;
展开▼
作者单位

中国计算机用户协会;

北京联合大学;

展开▼
会议组织
正文语种
原文格式 PDF
中图分类算法理论;
关键词
搜索引擎; 版权; 网页去重; 布尔模型;

相似文献

中文文献
外文文献
专利

1. 基于版权信息的新闻网页去重策略研究 [J] . 葛晓玢 ,刘杰 ,崔健 . 电脑知识与技术 . 2012,第026期
2. 基于新闻网页主题要素的网页去重方法研究 [J] . 王鹏 ,张永奎 ,张彦 . 计算机工程与应用 . 2007,第028期
3. 基于网页正文结构和特征串的相似网页去重算法 [J] . 熊忠阳 ,牙漫 ,张玉芳 . 计算机应用 . 2013,第002期
4. 基于网页正文逻辑段落和长句提取的网页去重算法 [J] . 张小娣 ,宋余庆 . 图书情报研究 . 2012,第002期
5. 基于网页正文主题和摘要的网页去重算法 [J] . 周小平 ,黄家裕 ,刘连芳 . 广西科学院学报 . 2009,第004期
6. 基于新闻网页主题要素的网页去重方法研究 [C] . 王鹏 ,张永奎 . 中国中文信息学会二十五周年学术会议 . 2006
7. 基于网页正文结构树的近似网页去重算法研究 [A] . 牙漫 . 2013

基于版权信息的新闻网页去重算法

摘要

著录项

相似文献

相关主题

期刊订阅