支持Splog過濾的博客搜集系統(tǒng)研究與設計.pdf_第1頁
已閱讀1頁，還剩75頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、作為Web2.0的新興網絡應用，博客近年來正處于蓬勃發(fā)展和快速演變之中。博客范圍內的海量博客信息極大地方便了人們的生活，使得人們以往的工作方式、學習方式甚至是生活方式都發(fā)生了改變。然而，博客空間的興起也連帶產生了一個副產品：垃圾博客(Splog)。垃圾博客的存在不僅是對網絡帶寬資源及存儲資源極大的浪費和消耗，更重要的是它增加了網民獲取高質量信息的難度，降低了用戶進行網絡搜索體驗的滿意度。 本文的研究是建立在對其他網絡垃圾(Web

2、 Spam)作弊技術進行分析的基礎之上，運用了文本分類的技術思想，結合垃圾博客本身“鏈接工廠”和“廣告博客”的本質屬性，提出了兩種特征提取算法模型：本地特征提取模型和全局特征提取模型，用以完成對垃圾博客的特征提取工作。隨后，本文采用支持向量機作為實驗中的自動分類算法，運用本文提出的算法模型對博客網頁進行分析和特征提取，并以正確率、查準率、查全率對分類效果進行評價。最后，本文在開源搜索引擎Nutch基礎上，實現(xiàn)了帶有過濾垃圾博客功能的博客

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論