[发明专利]通过网页多视图数据关联组合识别垃圾网页的方法有效
| 申请号： | 201210187098.7 | 申请日： | 2012-06-07 |
| 公开（公告）号： | CN102750345A | 公开（公告）日： | 2012-10-24 |
| 发明（设计）人： | 张化祥;高爽 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 张勇 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种通过网页多视图数据关联组合识别垃圾网页的方法。它首先提取已标记网页的内容特征数据及超链接特征数据，分别称为内容视图及链接视图，并表示为已标记网页的内容矩阵和链接矩阵；利用典型相关分析及其相关改进方法，获取内容视图及链接视图的最大相关投影矩阵；提取未标记网页的内容矩阵及链接矩阵；利用最大相关投影矩阵生成网页新的内容矩阵及链接矩阵；采用不同的组合方式，生成网页单视图数据；用已标记网页单视图数据训练分类器，将未标记网页识别为正常网页或垃圾网页。本发明解决了如何处理垃圾网页特征的问题，可有效提高垃圾网页的识别精度；同时由于对数据实现了降维，从而提高了识别效率。 | ||
| 搜索关键词： | 通过 网页 视图 数据 关联 组合 识别 垃圾 方法 | ||
【主权项】：
一种通过网页多视图数据关联组合识别垃圾网页的方法，其特征是，首先提取已标记网页的内容特征数据及超链接特征数据，分别称为内容视图及链接视图，并表示为已标记网页的内容矩阵和链接矩阵；利用典型相关分析及其相关改进方法，获取内容视图及链接视图的最大相关投影矩阵；提取未标记网页的内容矩阵及链接矩阵；利用最大相关投影矩阵生成网页新的内容矩阵及链接矩阵；采用不同的组合方式，生成网页单视图数据；用已标记网页单视图数据训练分类器，将未标记网页识别为正常网页或垃圾网页。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东师范大学，未经山东师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210187098.7/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
