文献类型：期刊文章

作　　者：袁家政[1] 须德[1] 鲍泓[2]

机构地区：[1]北京交通大学计算机与信息技术学院,北京100044 [2]北京联合大学信息技术研究所,北京100101

出　　处：《计算机研究与发展》

基　　金：教育部科学技术研究重点项目(2002KJ124);北京市优秀人才培养资助项目(20051D0502206)~~

年　　份：2006

卷　　号：43

期　　号：8

起止页码：1361-1367

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对XML网页特点,提出了计算XML文档结构相似性、文档关键词出现的位置以及关键词频度的方法,根据计算的结果提取XML网页特征,同时设计了一种基于支持向量机的XML网页多类分类算法·算法通过XML文档的训练样本集为每一类文档建立基于相似公共特征的聚类核,计算测试样本中的文档与每个聚类核的相似度,判断该文档的所属类·实验证明该分类算法具有比较高的分类查全率和查准率,能够较好地解决XML文档同时属于多个类的问题·

关 键 词：XML分类  文档结构 关键词特征  支持向量机

分 类 号：TP311.135.4]