网页体裁自动识别研究

摘要

随着网络的飞速发展，网页数量急剧膨胀，近几年来更是以指数级进行增长，搜索引擎面临的挑战越来越严峻，很难从海量的网页中准确快捷地找到符合用户需求的网页。网页分类是解决这个问题的有效手段之一，基于网页主题分类和基于网页体裁分类是网页分类的两大主流，二者有效地提高了搜索引擎的检索效率。网页体裁分类是指按照网页的表现形式及其用途对网页进行分类。介绍了网页体裁的定义，网页体裁分类研究常用的分类特征，并且介绍了几种常用特征筛选方法、分类模型以及分类器的评估方法，为研究者提供了对网页体裁分类的概要性了解。