[发明专利]一种可个性化定制的网页过滤方法

摘要

本发明一种可个性化定制的网页过滤方法，包括步骤：用户实例网页和训练网页库特征提取；基于半监督学习的用户兴趣类属性挖掘；用户兴趣类的特征提取和特征选择；基于贝叶斯分类器的个性化网页过滤。本发明提出了一种新型的实例驱动的网页过滤框架，用户的过滤需求通过网页实例来表达，用户实例可以是任何类型或者多类型复合的网页，并借助半监督学习构造出符合用户个性化需求的网页过滤器，克服了传统网页过滤方法仅限于过滤单一或有限类型网页，难以实现个性化定制的缺点。本发明并具有高精确度、鲁棒性和运行速度的优点，具有很好的应用前景。

主权项

1、一种可个性化定制的网页过滤方法，其特征在于，包括步骤：步骤1：系统使用web爬虫自动从互联网上爬取大量网页构建无标签训练网页库并做预处理和特征提取；步骤2：系统从用户获取用以表达对过滤系统的个性化需求的网页实例，并对用户个性化实例网页做预处理和特征提取；步骤3：基于用户个性化实例网页和无标签训练网页库特征，利用半监督学习的方法挖掘用户兴趣类属性；步骤4：提取用户兴趣类词汇表概率特征，并进行特征选择；步骤5：基于特征选择之后的用户兴趣类词汇表特征构造贝叶斯分类器，实现对目标网页的个性化过滤。