sewm20xx中文網(wǎng)頁分類評測清華大學參賽隊報告(編輯修改稿)
2025-08-13 17:12 本頁面
【文章內(nèi)容簡介】 ? 采用 SVM（ libSVM）作為試驗中統(tǒng)一使用的分類器 ? 特征的選擇遠比分類器本身重要 ? 良好的泛化能力 ? 由于訓練后模型只需考慮支持向量，分類速度快 ? 特征和權(quán)重 ? 二元串 (Bigram)作為特征 ? TF*IDF權(quán)重 ? CHIsquare進行特征選擇， 70000維 SEWM2022 中文網(wǎng)頁分類評測 分類策略－多特征融合 ? 多個來源，獨立表征網(wǎng)頁的信息的融合 ? 采用線性加權(quán)的方法融合 ? 使用插值法貪婪搜索確定各個特征的權(quán)重 ? 最終采用的融合策略（向量級特征融合） : content title Link text Anchor Text Surrounding Text description keywords 1 5 SEWM2022 中文網(wǎng)頁分類評測 分類策略－鏈接分析（ 1） ? 網(wǎng)頁間存在鏈接 :主題 存在一定關(guān)聯(lián) ? 分類完成基礎(chǔ)上，簡單的標簽傳播算法進行refine（ 20G） Step1：給出 20G目標網(wǎng)頁集合中所有的網(wǎng)頁分類標簽 ， 并給出分類的置信度 。 Step2：對于那些進行了歸一化之后分類置信度很低的網(wǎng)頁 ，我們認為這些網(wǎng)頁的分類結(jié)果是 不可靠 的 ， Step3：對于上述所有置信度很低的網(wǎng)頁 ， 觀察指向該網(wǎng)頁的所有網(wǎng)頁的分類結(jié)果 ， 如果這些網(wǎng)頁均為分類置信度很高的網(wǎng)頁 ， 并且在分類結(jié)果上有很強的內(nèi)聚性 ， 則將當前頁面的分類標簽更換為指向其的那些網(wǎng)頁的分類結(jié)果 。 SEWM2022 中文網(wǎng)頁分類評測 分類策略－鏈接分析（ 2） 鏈接傳播算法性能評測52535455565758591 2 3 4 5 6鏈接傳播參數(shù)s分類正確率(%)鏈接傳播前 鏈接傳播后鏈接傳播算法性能評測521 2 3 4 5 6鏈接傳播參數(shù)s分類正確率鏈接傳播前 鏈接傳播后8類上的傳播效果 11類上的傳播效果
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1