Web实时环境两级过滤中文文本内容自学习算法

摘要：

用户在互联网发布信息的自由性对Web信息内容过滤提出新的挑战.为此,给出一种自学习的两级内容过滤算法SAFE (self-study algorithm of filtering Chinese text content).SAFE以数据流的方式处理文本,并根据Apriori性质,在不依赖词典的情况下,通过挖掘关键字和关键词实现对文档的两级内容过滤.利用真实世界Web文档验证了SAFE的有效性,实验表明对给定的主题进行文本内容过滤,SAFE的查全率达到93.75%以上,查准率达到100%,执行时间能够满足Web应用的实时性要求.

关键词：数据挖掘、文本内容过滤、关键词挖掘

所属期刊栏目：5

分类号：TP311(计算技术、计算机技术)

资助基金：The Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20100181120029;the Young Faculty Foundation of Sichuan University under Grant No.2009SCU11030

在线出版日期：2011-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：695-706