基于XML和N层VSM的Web信息检索

摘要

基于XML文档格式良好、层次清晰,可以方便地操纵、分析其结构的特点.文中在将Web上的HTML文档转化为XML文档的基础上,通过Java中的DOM树,分析文档的层次结构.把文档分为层次化的文本段,对传统的VSM算法进行改进,把每个文本段转换为空间向量,实现了N层VSM算法,通过试验证明,改进后算法的查全率和查准率都要优于传统的VSM算法.