基于语义的Web主题提取的研究

摘要

针对互联网搜索技术中常见的搜索方式,引入语义信息,并对网页集的主题提取方式进行了深入的研究.主要透行了对网页集的网页过滤,删除图片、广告等信息,然后取其文本,再进行分词并统计词频,在词频较高的词语中利用WordNet对词语间语义的关系进行进一步计算,最终利用考虑了类内类间分布差异的TF*IDF方法进行主题词提取.通过实验并对实验结果的分析评估,证明了引入WordNet语义联系的主题提取方法是可行且有意义的.