1、作為一個(gè)廣泛分布的全球信息服務(wù)中心，萬(wàn)維網(wǎng)集中了海量的信息，其中大多數(shù)是以網(wǎng)頁(yè)文本的形式存放的。這些文本信息種類(lèi)繁雜，缺乏組織，現(xiàn)有的以搜索引擎為代表的網(wǎng)絡(luò)信息系統(tǒng)難以為每個(gè)用戶都提供滿意的服務(wù)。個(gè)性化技術(shù)就是在這種情況下應(yīng)運(yùn)而生的。它根據(jù)用戶興趣關(guān)注點(diǎn)，提供為用戶定制的服務(wù)，提高其對(duì)信息服務(wù)的滿意度。在萬(wàn)維網(wǎng)環(huán)境下，基于網(wǎng)頁(yè)內(nèi)容的Web個(gè)性化系統(tǒng)有著廣闊的應(yīng)用前景。 網(wǎng)頁(yè)自動(dòng)分類(lèi)是數(shù)據(jù)挖掘的重要研究?jī)?nèi)容，是自然語(yǔ)言處理技術(shù)的重

2、要應(yīng)用領(lǐng)域。網(wǎng)頁(yè)分類(lèi)按照網(wǎng)頁(yè)主題來(lái)自動(dòng)劃分其所屬類(lèi)別，是組織和管理網(wǎng)頁(yè)信息的有力手段，是Web信息檢索和Web個(gè)性化服務(wù)的重要基礎(chǔ)。本文研究在Web個(gè)性化服務(wù)系統(tǒng)環(huán)境中的網(wǎng)頁(yè)分類(lèi)相關(guān)技術(shù)，主要研究?jī)?nèi)容及取得成果如下： 首先，提出了一種綜合性網(wǎng)頁(yè)特征詞加權(quán)方法。該方法在網(wǎng)頁(yè)標(biāo)簽分析的基礎(chǔ)上，針對(duì)中文網(wǎng)絡(luò)環(huán)境，在網(wǎng)頁(yè)描述時(shí)結(jié)合了中文詞長(zhǎng)特征，提高了網(wǎng)頁(yè)描述的準(zhǔn)確性，為獲得好的分類(lèi)結(jié)果奠定了基礎(chǔ)。 其次，針對(duì)大規(guī)模訓(xùn)練網(wǎng)頁(yè)集，

3、提出了聚類(lèi)樹(shù)支持向量機(jī)(CT-SVM)分類(lèi)方法。該方法通過(guò)層次聚類(lèi)對(duì)訓(xùn)練集進(jìn)行了有效的縮減，可以在保證分類(lèi)效果的同時(shí)大幅度減小支持向量機(jī)在大規(guī)模訓(xùn)練集上的時(shí)間開(kāi)銷(xiāo)。 此外，SHM是一種新近提出的文本相似度計(jì)算方法，它使用知網(wǎng)詞匯語(yǔ)義計(jì)算特征詞條間相似性，并采用二部圖最大權(quán)匹配方法計(jì)算文本間相似度。本文巧妙地采用了SHM來(lái)設(shè)計(jì)支持向量機(jī)核函數(shù)，可以較好的改善支持向量機(jī)分類(lèi)器的分類(lèi)性能。 最后，論文在實(shí)際網(wǎng)頁(yè)集上做了必要的驗(yàn)