论文部分内容阅读
以向量空间模型作为Web文本的表示方法，对传统的TF＊IDF公式进行了改进。首先，结合Web文本中HTML标签的修饰功能，体现了特征词在Web文本结构中的位置信息；其次，以广义信息论为理论基础，引入了基于二次熵的互信息作为权重计算公式的一项，体现了单词的类区分能力。实验验证了该方法的可行性和有效性。