1、隨著信息技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)信息不斷膨脹。如何讓網(wǎng)絡(luò)信息更好地為人類服務(wù)，已成為未來幾年的一個(gè)研究熱點(diǎn)。一方面是人們對快速、準(zhǔn)確而全面獲取信息的渴望，而另一方面卻是網(wǎng)絡(luò)信息的紛繁蕪雜，在這兩者之間架設(shè)一座橋梁的確是一個(gè)巨大的挑戰(zhàn)。網(wǎng)頁自動(dòng)分類技術(shù)正為解決這個(gè)問題提供了一種合理有效地組織信息的方法。 為了有效地組織和分析網(wǎng)頁信息，幫助用戶迅速地獲取所需要的信息，論文針對不同用戶對網(wǎng)絡(luò)信息的不同需求來提取對應(yīng)的規(guī)則，同時(shí)根據(jù)知識(shí)中規(guī)

2、則與例外相互補(bǔ)充的學(xué)習(xí)理論對存在的例外進(jìn)行分析，從而對中文網(wǎng)頁文本進(jìn)行精確分類。本文從理論和應(yīng)用的角度對中文網(wǎng)頁文本信息的分類技術(shù)進(jìn)行了深入的研究，提出了將粗糙集與面向自然語言處理的規(guī)則與例外學(xué)習(xí)理論應(yīng)用到中文網(wǎng)頁分類中，并實(shí)現(xiàn)了一個(gè)基于粗糙集的“規(guī)則+例外”中文網(wǎng)頁分類系統(tǒng)。 論文對中文網(wǎng)頁分類的關(guān)鍵技術(shù)、粗糙集理論的主要內(nèi)容、規(guī)則歸納以及例外分析進(jìn)行了系統(tǒng)的研究和詳細(xì)的介紹，并在這些理論知識(shí)的指導(dǎo)下設(shè)計(jì)了一個(gè)解決用戶需求的中

3、文網(wǎng)頁文本分類器。論文主要做了以下研究工作： 網(wǎng)頁文本分類首先需要收集WEB文本，對WEB文本進(jìn)行預(yù)處理，保存其中的文本信息。在這部分，文章首先實(shí)現(xiàn)了搶先式多線程中文網(wǎng)頁收集器，采用深度優(yōu)先的算法獲取特定類型的網(wǎng)頁，接著根據(jù)HTML Tag文本的特點(diǎn)，實(shí)現(xiàn)了基于非遞歸方式匹配的WEB文本預(yù)處理器，它用于提取網(wǎng)頁中的文本信息以及定義的網(wǎng)頁標(biāo)記集。其次，本文在研究文本信息表示和網(wǎng)頁信息特點(diǎn)的基礎(chǔ)上，改進(jìn)了中文網(wǎng)頁文本表示的權(quán)重計(jì)算方