检索结果-南通市图书馆

JavaScript引擎在动态网页采集技术中的应用

在线全文

学校读者我要写书评

暂无评论

计算机应用 2004年第2期24卷 33-36页

作者：王映于满泉李盛韬王斌余智华中国科学院计算技术研究所软件研究室

怎样提取网页中由JavaScript脚本动态生成的URL,一直是网页采集器设计的一个难题,文中给出了一个基于JavaScript引擎的通用的解决办法和模块实现以及测试结果。

关键词：网页采集 JavaScfipt引擎 URL提取 SpiderMonkey

在线全文

学校读者我要写书评

暂无评论

基于网页分块的个性化信息采集的研究与设计

微电子学与计算机 2005年第10期22卷 120-123页

作者：吕铁强于满泉孟庆发周立德中国科学院计算技术研究所软件研究室

个性化Web信息采集是信息检索领域内一个将采集技术与过滤方法结合的新兴方向,也是信息处理技术中的一个研究热点。文章分析了个性化Web信息采集的基本问题,提出了难点以及相关的解决方案,并在此基础上设计了基于网页分块的个性化Web信... 详细信息

个性化Web信息采集是信息检索领域内一个将采集技术与过滤方法结合的新兴方向,也是信息处理技术中的一个研究热点。文章分析了个性化Web信息采集的基本问题,提出了难点以及相关的解决方案,并在此基础上设计了基于网页分块的个性化Web信息采集系统。

关键词：信息采集信息检索信息处理个性化

在线全文

学校读者我要写书评

暂无评论

话题识别与跟踪中的层次化话题识别技术研究

计算机研究与发展 2006年第3期43卷 489-495页

作者：于满泉骆卫华许洪波白硕中国科学院计算技术研究所软件研究室

话题识别与跟踪(topic detection and tracking,TDT)旨在发展一系列基于事件的信息组织技术,层次化话题识别(hierarchical topic detection,HTD)是其中一项全新的任务定义形式.通过连续的大规模评测,话题识别与跟踪已成为国际上自然语... 详细信息

话题识别与跟踪(topic detection and tracking,TDT)旨在发展一系列基于事件的信息组织技术,层次化话题识别(hierarchical topic detection,HTD)是其中一项全新的任务定义形式.通过连续的大规模评测,话题识别与跟踪已成为国际上自然语言处理尤其是信息检索领域的一个研究热点.为此,将自然语言处理与信息检索技术相结合,提出了针对事件特点的切实有效的单粒度话题识别方法,并提出了基于多层聚类的MLCS算法对话题进行层次化组织.所提出的方法具有很好的效果,在TDT2004的HTD评测中,该方法取得了第2名的成绩.

关键词：话题识别与跟踪层次化话题识别多层聚类命名实体指代消解

在线全文

学校读者我要写书评

暂无评论

基于分块的网页信息解析器的研究与设计

计算机应用 2005年第4期25卷 974-976页

作者：于满泉陈铁睿许洪波中国科学院计算技术研究所

详细介绍了网页信息解析的基本技术手段,在综合权衡优缺点的基础上,提出了针对新闻网站复杂结构页面较为有效的分块算法,并结合实际的项目需求,设计实现了网页信息解析器 TVPS,实验结果表明,该解析器具有良好的性能,满足实际的需求。

关键词： Web挖掘 HTML标记视觉特征网页分块

基于多策略优化的分治多层聚类算法的话题发现研究

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2006年第1期20卷 29-36页

作者：骆卫华于满泉许洪波王斌程学旗中国科学院计算技术研究所

话题发现与跟踪是一项评测驱动的研究,旨在依据事件对语言文本信息流进行组织利用。自1996年提出以来,该研究得到了越来越广泛的关注。本文在研究已有成熟算法的基础上,提出了基于分治多层聚类的话题发现算法,其核心思想是把全部数据分... 详细信息

话题发现与跟踪是一项评测驱动的研究,旨在依据事件对语言文本信息流进行组织利用。自1996年提出以来,该研究得到了越来越广泛的关注。本文在研究已有成熟算法的基础上,提出了基于分治多层聚类的话题发现算法,其核心思想是把全部数据分割成具有一定相关性的分组,对各个分组分别进行聚类,得到各个分组内部的话题(微类),然后对所有的微类再进行聚类,得到最终的话题,在聚类的过程中采用多种策略进行优化,以保证聚类的效果。基于该算法的系统在TDT4中文语料上进行了测试,结果表明该算法属于目前结果最好的算法之一。

关键词：计算机应用中文信息处理话题发现与跟踪分治多层聚类系统聚类

在线全文

学校读者我要写书评

暂无评论

Winnow算法在垃圾邮件过滤中的应用

Winnow算法在垃圾邮件过滤中的应用

NCIRCS2004第一届全国信息检索与内容安全学术会议

作者：潘文锋王斌于满泉谭松波中国科学院计算技术研究所软件研究室

本文从文本分类与信息过滤角度研究垃圾邮件过滤问题,介绍Winnow 算法在垃圾邮件过滤中的应用,在PU1 邮件语料和Ling-Spam 语料上实验Winnow 算法的性能,得到了较好的效果。实验表明,这种错误驱动的在线学习方法在垃圾邮件过滤上有较大... 详细信息

本文从文本分类与信息过滤角度研究垃圾邮件过滤问题,介绍Winnow 算法在垃圾邮件过滤中的应用,在PU1 邮件语料和Ling-Spam 语料上实验Winnow 算法的性能,得到了较好的效果。实验表明,这种错误驱动的在线学习方法在垃圾邮件过滤上有较大的实用意义。

关键词：垃圾邮件过滤文本分类信息过滤 Winnow Balanced Winnow

在线全文

cnki会议

学校读者我要写书评

暂无评论

网页内部结构挖掘技术研究

网页内部结构挖掘技术研究

NCIRCS2004第一届全国信息检索与内容安全学术会议

作者：于满泉谭松波许洪波中国科学院计算技术研究所软件研究室

随着信息服务向深入化、专业化方向发展,网页内部蕴含的结构信息体现出越来越重要的价值。本文根据页面内部蕴涵的潜在知识,深入剖析了网页内部结构挖掘可利用的技术手段,并综合分析了它们的优缺点;同时,针对复杂的页面结构,提出了较为... 详细信息

随着信息服务向深入化、专业化方向发展,网页内部蕴含的结构信息体现出越来越重要的价值。本文根据页面内部蕴涵的潜在知识,深入剖析了网页内部结构挖掘可利用的技术手段,并综合分析了它们的优缺点;同时,针对复杂的页面结构,提出了较为有效的挖掘算法TVPs:最后,对网页内部结构挖掘的应用前景和发展方向做了展望。

关键词： Web挖掘视觉特征布局特性 HTML标记结构化显示

基于多策略优化的分治多层聚类算法的话题发现研究

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于多策略优化的分治多层聚类算法的话题发现研究

全国第八届计算语言学联合学术会议（JSCL-2005）

作者：骆卫华于满泉许洪波王斌程学旗中国科学院计算技术研究所软件室

话题发现与跟踪是一项评测驱动的研究,旨在依据事件对语言文本信息流进行组织利用。自1996年提出以来。该研究得到了越来越广泛的关注。本文在研究已有成熟算法的基础上,针对其不足,提出了基于分治多层聚类的话题发现算法。基于该算法... 详细信息

话题发现与跟踪是一项评测驱动的研究,旨在依据事件对语言文本信息流进行组织利用。自1996年提出以来。该研究得到了越来越广泛的关注。本文在研究已有成熟算法的基础上,针对其不足,提出了基于分治多层聚类的话题发现算法。基于该算法的系统在TDT4中文语料上进行了测试,结果表明该算法属于目前结果最好的算法之一,并显著降低了算法的时间和空间复杂度。

关键词：话题发现与跟踪分治多层聚类系统聚类单链法向量空间模型

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于主题词的网络热点话题发现

基于主题词的网络热点话题发现

第五届全国信息检索学术会议

作者：李恒训张华平秦鹏于满泉刘金刚中国科学院计算技术研究所首都师范大学计算机联合实验室

网络话题层出不穷,往往会引发重大舆情危机,如何快速高效的从海量信息中发现热点是一重大挑战。本文提出了一种基于主题词的网络热点话题发现算法。其基本思想为:首先综合主题词表和有意义串识别结果生成主题词候选集;然后对候选集进行... 详细信息

网络话题层出不穷,往往会引发重大舆情危机,如何快速高效的从海量信息中发现热点是一重大挑战。本文提出了一种基于主题词的网络热点话题发现算法。其基本思想为:首先综合主题词表和有意义串识别结果生成主题词候选集;然后对候选集进行多重过滤并采用启发式规则对主题词进行权重计算;最后,以主题词为线索,采用多特征的话题模型,融合新闻、论坛、博客的相应特征实现了网络热点话题的发现。通过在TDT4评测语料和中科院计算所天玑舆情监测系统平台上的实验分别取得了0.282的最小识别代价和93.3%的用户满意度,算法运行效率高于传统方法。实验表明,该算法对网络热点话题发现行之有效。

关键词：信息检索主题词提取热点话题发现聚类舆情