从文档集推导html标签影响因子的算法

摘要：

在Web文档中,同一个关键词处在不同Html标签中,其对中心思想影响程度各不相同.选择合适的标签影响因子,对于构建文档的数学模型至关重要.本文在总结前人研究基础之上,提出了一种新的推导算法,该算法提出了ttf(标引词标签频率)和itf(逆标签频率)等定义,构造出行序为标签、列序为关键词的文挡矩阵.从中抽取每个文档的某一特定行向量组构成一个新的向量集合,根据这个新集合中各个向量到质心的平均距离,就能得出该特定行向量集合所代表的标签的影响因子(针对训练文档集合).如果训练文档集合的容量放大到足够,就可以近似认为这个影响因子具有一般意义.通过试验验证,推导出的影响因子作用于新的文档集合的时候,在一定程度上改善了检索的性能.

关键词：ttf、itf、规范化因子、质心、平均距离、标签影响因子向量

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60403O09

在线出版日期：2007-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：226-228