296.txt

This complete matlab for neural network

发信人: singhoo (tony), 信区: DataMining
标  题: Re: 关于web内容挖掘和文本挖掘
发信站: 南京大学小百合站 (Thu Jul 11 20:53:54 2002), 站内信件

的确，文本挖掘是处理平面的数据，web挖掘是处理半结构化的数据，这多少有点区别，
但是感觉目前搞web内容挖掘的都是按照文本挖掘的方式来处理，首先，用vsm向量空间
模型来表示文档，再利用TF-IDF公式计算权重，然后压缩一下特征向量的维数，最后使用
一些分类算法来分类。 
这好像都忽略了web文档半结构化的特点，例如，html文档中<title></title>中的文字
的重要性肯定要比其他文字高，信息量大，还有字体大的文字的重要性，概括性也相对
要高，不知道有没有在web内容挖掘中考虑这些的？
以上只是自己一点思考，欢迎大家来讨论！
【 在 singhoo (tony) 的大作中提到: 】
: 到底有什么区别？感觉文本挖掘相当复杂，涉及大量语言学方面知识
: web内容挖掘算是文本挖掘的一个子集吗？
: 还有web挖掘可以实现智能搜索，既搜索到网络上动态网页的内容，请问是如何实现的？
: 请大侠指点一下，thx！


--
※ 来源:．南京大学小百合站 bbs.nju.edu.cn．[FROM: 202.38.197.76]