Research on Approximate Web Page Identification Method in Online Social Network

ZHANG Li; SUN Li-Na; GUO Feng

Chinese

您当前的位置：

首页 >

文章列表页 >

Research on Approximate Web Page Identification Method in Online Social Network

更新时间：2026-09-04

- Research on Approximate Web Page Identification Method in Online Social Network
- Vol. 34, Issue 2, Pages: 141-144(2017)
- 作者机构：
  
  1. 郑州成功财经学院机构信息工程系, 河南巩义,451200
  2. 河南大学机构民生学院,河南,开封,475001
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Published：2017
- 稿件说明：
移动端阅览
张莉, 孙丽娜, 郭峰. 在线社会网络中近似网页识别方法研究[J]. 微电子学与计算机, 2017, 34(2): 141-144.

ZHANG Li, SUN Li-Na, GUO Feng. Research on Approximate Web Page Identification Method in Online Social Network[J]. 2017, 34(2): 141-144.
张莉, 孙丽娜, 郭峰. 在线社会网络中近似网页识别方法研究[J]. 微电子学与计算机, 2017, 34(2): 141-144. DOI：

ZHANG Li, SUN Li-Na, GUO Feng. Research on Approximate Web Page Identification Method in Online Social Network[J]. 2017, 34(2): 141-144. DOI：

摘要

为了提高用户的网络体验和页面检索性能

提出一种基于核心词汇和语义匹配相结合的在线社会网络近似网页识别方法研究.首先从网页中提取特征核心词汇

对文档概念进行分类和合并

并建立相似度特征模型; 基于相似度特征模型

构建特征向量

并对特征向量进行检索和存储

实现社会网络中近似网页的识别.实验证明提出的方法能够有效地降低网络噪声

具有良好的识别准确率和召回率.

Abstract

In order to improve the users Web experience and page retrieval performance

a new method based on key words and semantic matching for online social network is proposed. The first feature extraction of keywords from web pages

classify and merge of document concept

and establish the similarity model; similarity model based on feature vector is constructed

and the retrieval and storage of feature vector

identify the approximate pages in social networks. The experimental results show that the proposed method can effectively reduce the network noise

and has good recognition accuracy and recall rate.

关键词

Keywords

references

孙汇中. 网页木马检测关键技术研究[D]. 北京: 北方工业大学, 2016.

袁圆. 基于内嵌字幕的近似视频网页去重研究与实现[D]. 北京: 北京工业大学, 2015.

蔡红云, 马晓雪. 在线社会网络中基于关系强度的访问控制机制[J]. 山东大学学报(理学版), 2016, 51(7): 34-55. DOI: 34

沙泓州, 刘庆云, 柳厅文, 等. 恶意网页识别研究综述[J]. 计算机学报, 2016, 39(3): 529-542. DOI: 529

李献礼. 在线社会网络多维度链式信任计算算法[J]. 西南大学学报(自然科学版), 2016(8): 26-30. DOI: 26

孙立晟, 何东之. 改进无标度网络模型研究[J]. 电子设计工程, 2016, 24(6): 115-117. DOI: 115

黄蓝会. 在线社会网络的数据采集方法的研究[J]. 信息技术, 2014(2): 53-55. DOI: 53

王栋, 李振宇, 谢高岗. 在线社会网络无偏采样技术[J]. 计算机研究与发展, 2016, 53(5): 16-20. DOI: 16

曹海, 孙婧, 史喜斌. 基于特征迭代的短文本去重算法[J]. 计算机工程, 2015, 41(12): 54-57. DOI: 54

杨洪娇. 基于机器学习的校园网恶意网页检测方法[J]. 信息与电脑, 2016, 28(11): 46-50. DOI: 46

李栋, 徐志明, 李生, 等. 在线社会网络中信息扩散[J]. 计算机学报, 2014, 37(1): 189-206. DOI: 189

问延安, 赵婷婷. 基于CSSCI的国内社会网络研究可视化分析[J]. 潍坊工程职业学院学报, 2016, 29(1): 67-73. DOI: 67

卢晓勇, 陈木生. 基于随机森林和欠采样集成的垃圾网页检测[J]. 计算机应用, 2016, 36(3): 731-734. DOI: 731

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

High gain stability high temperature operational amplifier based on reverse body bias

Aerial small object detection algorithm based on improved RT-DETR

A high-efficiency charge pump for ultra-low voltage boost systems

Monte carlo analysis of V-layout trench SiC neutron detector

A feature-oriented context understanding and slice analysis network for tuberculosis detection

Related Author

No data

Related Institution

No data

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰