检索结果-内蒙古大学图书馆

中文信息学报 2013年第3期27卷 91-99页

作者：刘奇刘洋孙茂松清华大学计算机科学与技术系智能技术与系统国家重点实验室清华信息科学与技术国家实验室(筹)北京100084

平行语料库是对机器翻译、跨语言信息检索等应用技术具有重要支撑作用的基础数据资源。虽然互联网上的平行网页数量巨大且持续增长,但由于平行网站的异构性和复杂性,如何快速自动获取高质量的平行网页进而构造平行语料库仍然是巨大的挑... 详细信息

平行语料库是对机器翻译、跨语言信息检索等应用技术具有重要支撑作用的基础数据资源。虽然互联网上的平行网页数量巨大且持续增长,但由于平行网站的异构性和复杂性,如何快速自动获取高质量的平行网页进而构造平行语料库仍然是巨大的挑战。该文提出了一种URL模式与html结构相结合的平行网页获取方法,首先利用html结构实现平行网页的递归访问,其次使用URL模式优化遍历平行网站的拓扑顺序,从而实现高效准确的平行网页获取。在联合国与香港政府①两个平行网站上的实验表明,该方法相对传统获取方法在获取时间上减少50%以上,准确率提高15%,并显著提高了机器翻译的质量(BLEU值分别提高1.6和0.7个百分点)。

关键词：平行网页获取平行语料库 URL模式 html结构

来源：评论

学校读者我要写书评

暂无评论

利用平行网页建立中英文统计翻译模型

引用

中文信息学报 2001年第1期15卷 1-12页

作者：聂建云陈江蒙特利尔大学RALI实验室

建立翻译模型的目的是试图从平行文本 (或翻译例句 )中自动抽取翻译关系。本文将描述我们在建立中英文统计翻译模型上的尝试。我们所用的平行文本是从万维网上自动获得的半结构性平行文本。在训练过程中 ,我们尽量利用文本中的html结构... 详细信息

建立翻译模型的目的是试图从平行文本 (或翻译例句 )中自动抽取翻译关系。本文将描述我们在建立中英文统计翻译模型上的尝试。我们所用的平行文本是从万维网上自动获得的半结构性平行文本。在训练过程中 ,我们尽量利用文本中的html结构信息。实验表明 ,所训练的翻译模型能达到 80 %的准确率。对于象跨语言信息检索这样的应用 ,这样的准确率已经能大致满足需要。这一工作表明。

关键词：中英问句翻译句对齐统计翻译模型跨语言信息检索平行文本 html结构准确率

来源：评论

学校读者我要写书评

暂无评论

基于网页结构与链接关系的中文文本分类

基于网页结构与链接关系的中文文本分类

引用

作者：郭晓北京工业大学

学位级别：硕士

随着计算机、通信技术的高速发展，以及互联网基础设施建设与网络信息工具的推广应用，网络上的信息正在以几何级数进行着增长。如何从网络上海量的信息资源中获得有用的部分，成为了当前信息检索领域重要的研究课题。\n 网络搜索引... 详细信息

随着计算机、通信技术的高速发展，以及互联网基础设施建设与网络信息工具的推广应用，网络上的信息正在以几何级数进行着增长。如何从网络上海量的信息资源中获得有用的部分，成为了当前信息检索领域重要的研究课题。\n 网络搜索引擎，是用来进行网络文本索引的一种重要手段。在网络搜索引擎的构建中，网页文本分类问题是一个关键性的核心问题。高质量的网页文本分类，对构建高效、实用的搜索引擎起重要作用。\n 目前针对网络文本分类问题，通常采用基于内容的纯文本分类的方法进行解决。但是由于网络文本的表现形式是超文本标记语言，本身具有极强的结构性标签和指示性链接，仅提取其中的纯文本进行分类，会丢失很多有用信息。\n 本论文提出了一种通过综合考虑网页的html，结构信息以及网页间的链接关系，修改网页文本在向量空间模型表示中的权值，对网页进行分类的方法。考虑到页面里处在不同html标记下的内容具有不同的语义含义，某些特殊标记下的内容具有较重要的意义，对网页的分类起较大的作用，因此对不同标记下的内容赋以不同的权值，可以提高分类效果。考虑到页面正文中链接指向的页面内容与原网页相关度较高，通过综合考虑这些页面的内容，可以有效加强类别关键词的权值，减少噪声，提高分类效果。经过实验证明这一方法提高了分类结果的F1值。

关键词：中文文本分类 html结构链接关系向量空间模型

来源：评论

学校读者我要写书评

暂无评论

WEB个性化信息采集与管理关键技术研究

WEB个性化信息采集与管理关键技术研究

引用

作者：樊得强郑州轻工业学院

学位级别：硕士

根据国家信息产业部对振兴软件业和推动社会服务信息化的具体要求，以及政府、企事业单位对WEB个性化信息采集与管理的需求，Web信息服务行业已成为目前最热门的行业之一。然而面对目前通用搜索引擎的诸多缺陷，使得人们不再满足于充当... 详细信息

根据国家信息产业部对振兴软件业和推动社会服务信息化的具体要求，以及政府、企事业单位对WEB个性化信息采集与管理的需求，Web信息服务行业已成为目前最热门的行业之一。然而面对目前通用搜索引擎的诸多缺陷，使得人们不再满足于充当关键词的提供者，因此用户如何参与到WEB个性化信息采集与管理，并提供智能化、个性化、语义化的信息服务已成为人们的迫切需求。基于人们的迫切需求，本文针对WEB个性化信息采集与管理的相关技术进行研究，主要研究工作包括以下几个方面：\n （1）分析信息源结构，提出一种基于网络爬虫、元搜索引擎、深网搜索三种搜索策略的WEB信息采集方法；然后分析网页结构，根据个性化定制内容，提出一种基于双重净化的网页主题内容提取方法，从而达到WEB信息个性化采集的目的。\n （2）分析网页的html结构特点，提出一种根据用户偏好进行网页去重和净化算法。通过抽取网页要素中用户偏好的短语来抽取网页的内容，根据学习的网页内容设置兴趣库，利用经典逻辑推理推测出它们的相似度来判断网页的重复度。实验结果表明，该方法能够完成针对中文内容网页的去重，并得到相对较高的查全率和查准率。\n （3）针对企事业单位关注的网络评论，提出一种基于语言学结构的情感倾向识别模型，即：固定情感词元模型。该方法利用基于固定情感词元的三种特定搭配模式来构造识别算法，通过基于增量的tf-idf 模型的相关用户反馈不断更新特征词元集合，通过与传统的情感识别方法相比较，可以得到较为明显地提高情感分类的效率和准确率。\n （4）分析用户的搜索行为，提出一种用户搜索行为预测模型：ARIMA-SVM模型。该方法首先将一段时间内特定用户使用搜索的行为记录视为有序的随机序列，通过特征选择和文档表示的方法抽取搜索行为特征并进行标记，然后利用ARIMA时序分析方法来近似描述这一期的搜索行为记录，从而预测下一期的用户搜索行为，最后采用基于RBF核的SVM分类器去除噪声提高预测精确度。实验测试表明，新方法能够纠正预测用户行为的方向，与ARIMA模型相比，具有更好的预测性能。\n 本文最后设计和实现了一个网络个性化采集与管理系统，并对文中所提出的算法与模型进行试验与分析，试验数据表明本系统在WEB个性化信息采集的查准率和召回率，以及WEB信息的个性化管理和分析方面都取得了较好的效果。

关键词： Web信息服务搜索引擎 html结构网络评论

来源：评论

学校读者我要写书评

暂无评论

一种提高Web信息检索精度的分段检索方法

引用

广西师范大学学报（自然科学版） 2003年第A01期21卷 151-155页

作者：宋睿华马少平张敏清华大学计算机系智能技术与系统国家重点实验室北京100084

在Web上存在一些长文档,它们包含着多个子主题,如果把这样的文档分成段,每个段的内容只围绕一个主题,将会提高检索质量.阐述了使用html结构中带有语义特征的标记来将多主题的文档分成段,在此基础上,对10G规模的Web数据实现了分段检索的... 详细信息

在Web上存在一些长文档,它们包含着多个子主题,如果把这样的文档分成段,每个段的内容只围绕一个主题,将会提高检索质量.阐述了使用html结构中带有语义特征的标记来将多主题的文档分成段,在此基础上,对10G规模的Web数据实现了分段检索的方法,并通过使用TREC-9的查询做实验,比较了分段检索方法和传统的文档检索方法的检索质量.实验结果显示,在多主题文档集上分段检索方法比文档检索方法的11点平均准确率提高了大约9%,而在所有文档集上分段检索比文档检索提高了大约1.6%.分析发现,分段检索方法可以明显改善结果的排序,而且实际检索质量提高的幅度比现有的评价结果显示的更显著.

关键词：信息检索分段检索 Web数据 html结构

来源：评论

学校读者我要写书评

暂无评论

基于网页结构与链接关系的中文文本分类方法

引用

现代电子技术 2010年第22期33卷 54-56,63页

作者：郭晓蒋宗礼北京工业大学计算机学院北京100124

提出一种通过综合考虑网页的html结构信息以及网页间的链接关系,修改网页文本在向量空间模型表示中的权值,对网页进行分类的方法。考虑到页面里处在不同html标记下的内容具有不同的语义含义,某些特殊标记下的内容具有较重要的意义,对网... 详细信息

提出一种通过综合考虑网页的html结构信息以及网页间的链接关系,修改网页文本在向量空间模型表示中的权值,对网页进行分类的方法。考虑到页面里处在不同html标记下的内容具有不同的语义含义,某些特殊标记下的内容具有较重要的意义,对网页的分类起较大的作用,因此对不同标记下的内容赋以不同的权值,可以提高分类效果。考虑到页面正文中链接指向的页面内容与原网页相关度较高,通过综合考虑这些页面的内容,可以有效加强类别关键词的权值,减少噪声,提高分类效果。经过实验证明这一方法提高了分类结果的F1值。

关键词：中文文本分类 html结构链接关系向量空间模型

来源：评论

学校读者我要写书评

暂无评论

一种基于显示属性的网页信息提取方法

一种基于显示属性的网页信息提取方法

引用

2007年全国网络与信息安全技术研讨会

作者：汪建伟高军王腾蛟杨冬青北京大学信息科学技术学院北京 100871 军事交通学院天津 300161 北京大学信息科学技术学院北京 100871

在目前的Web信息提取技术中,很多都是基于html结构的,由于html结构的经常变化,使提取模板需要经常更新,而提取模板的更新需要很多领域知识。本文提出一种基于显示属性的Web信息提取方法,通过将网页文本按照其显示属性的不同进行分组,以... 详细信息

在目前的Web信息提取技术中,很多都是基于html结构的,由于html结构的经常变化,使提取模板需要经常更新,而提取模板的更新需要很多领域知识。本文提出一种基于显示属性的Web信息提取方法,通过将网页文本按照其显示属性的不同进行分组,以显示属性值为基础对Web页面文本进行分类,获取所关注文本,从而完成对Web页面的信息提取。这种提取方法操作简单、易于实现,不依赖源网页的结构。

关键词：网页信息 Web信息提取属性向量 html结构文本分类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：