论文部分内容阅读
充分利用相邻网页（包括链人和链出）的相关信息，提出一种基于Web超链接结构信息的网页分类改进方法．其方法分为5步：（1）预处理训练集，提取文本信息和超链接结构信息；（2）抽取特征向量和训练一个Web页面的全文本分类器；（3）根据网页的各个人口的锚点文本和扩展锚点文本创建虚文档，用虚文档代替Web页面全文本训练一个虚文档分类器；（4）利用Naive Bayes方法协调两个分类器得到初步分类结果；（5）利用链出网页对初步分类结果进行修正，得到最终分类结果．根据改进方法实现了网页自动分类原型系统，并进行分类实验