基于类格的多层网页分类技术研究

本项目以Internet信息资源的组织与利用为研究目的，将数学方法（格）与现有的机器学习技术、文本自动分类技术融合在一起，提出了一种基于类格的多层网页分类方法。该方法首先建立了一个基于类格的多层网页分类的概念模型，把领域专家对网页提供的分类知识用"类格"来表示，作为训练数据集。在分类知识的学习过程中，通过学习训练数据集，在类格中产生类的分类知识（类索引），并对分类知识进行优化处理，获得提炼的分类知识。在分类过程中，网络Robot自动从Internet上采集网页，经过预处理，从采集的网页中提取项，并进行降维处理，多层网页分类器将采集的网页归属于某一类或多个类。最后，对建立的基于类格的多层网页分类方法进行实验评价。.通过本项目的研究，为充分利用多层网页分类方法进行海量Web信息检索和挖掘的应用提供理论和技术支持，努力实现并提高Web信息处理技术的社会效益和经济效益。