sewm20xx中文網(wǎng)頁分類評測參賽系統(tǒng)說明(編輯修改稿)
2024-11-04 20:07 本頁面
【文章內(nèi)容簡介】 ，必定是存放在某一個表格中，對于不在表格中的部分，將其看作一個表格，便于處理。 ? 根據(jù)表格的嵌套關系對每個表格進行分級，對處于最高級別的表格進行比較。主要是根據(jù) table表格中包含的文字數(shù)目和表格中的一些特殊字符進行比較，按照一定規(guī)則將一部分 table內(nèi)容去除掉。將剩下的內(nèi)容視為一個新的網(wǎng)頁，并進行同樣的迭代操作。 ? 進行數(shù)次迭代消除網(wǎng)頁“噪聲”（經(jīng)過反復實驗我們認為進行四次迭代后網(wǎng)頁“去噪”效果最好）。 信息管理系 網(wǎng)頁進化算法（對于 URL錨文本） ?經(jīng)過調研，我們認為網(wǎng)頁 URL一般具有以下兩條規(guī)律：錨文本長度一般不長、越長的 url一般越重要。 ?我們計算每條錨文本與凈化處理后的網(wǎng)頁標題的編輯距離，并將其除以錨文本長度，選取該值小于 。 信
教學課件相關推薦
鄂ICP備17016276號-1