一種基于結構和內容二級過濾的 Web 數據相似性檢測方法
本發明公開了一種基于結構和內容二級過濾的 Web 數據相似性檢測方法，在傳統的通用相似性檢測 方法的基礎上，發掘出 Web 數據結構和內容分布的特點，對檢測的文檔集進行兩級過濾；兩級過濾中的 第一級過濾是結構相似性過濾，對每個Web文檔建模為Tag樹結構，從而剔除在結構上不相似的文檔集， 并對剩余的文檔進行關鍵內容抽取，將其表示成元組向量的形式，將關鍵信息連接起來生成字符串集； 兩級過濾中的第二級過濾則對第一級過濾后生成的字符串集進行 Trie
武漢大學
2021-04-14
搜 索
