学前教育Web文档的特征提取研究

• 作 者: 邱明
• 机 构: 南京师范大学
• 出 处: 南京师范大学
• 发表日期: 2008年期
• 关键词: 学前教育 网页文档 特征提取

随着信息技术和通讯技术的飞速发展，Internet为学前教育提供了极为丰富的网页文档。这些文档大都是半结构化或无结构化的数据，要快速地从中获得所需信息非常困难。为了提高网页文档的利用效率，提高搜索的准确性，需要对海量的网页进行自动分类处理。网页文档的特征提取是自动分类的前提，文章研究网页文档的特征提取所涉及到的主要技术和方法。
文章的主要工作如下：
1.介绍特征提取的背景知识，包括文本自动分类过程，文本特征表示的模型，自动分类的概念以及分类算法。
2.阐释Web文档的预处理的过程和方法。在分析Web文档的基本结构的基础上。提出消除Web文档的噪音、过滤Web文档中的停用词的方法。
3.提出学前教育Web资源的特点及其分类体系。
4.分析Web文档特征项选择的评估函数和权重计算函数，提出基于HTML标记优化特征权重计算的方案。
5.在实验结果的基础上，认为在学前教育分类体系下，TF*IDF优于其他权重计算方法，基于HTML的特征加权算法可以优化分类器的分类效果。