中文网页自动分类技术

Posted:2013-11-27 09:24:35 - comments | 作者： @果尔 @ SEO培训学院 修订1.4 ID:7048

到了本章，说明搜索引擎原理教程1.0已经接近尾声了，在本节黄聪将和大家学习中文网页自动分类技术。

中文分类技术

中文分类技术的出现主要是为了实现网页类别的分类。进行网页的分类，搜索引擎可以提供更好的目录服务。

除此之外，搜索引擎对网页进行了分类，那么当用户搜索某类别的信息时，搜索引擎也只用检索该分类下的文档即可，因为事先经过了分类，因此搜索引擎要分析的网页将大大减少，可以提高检索的速度。

如上图所示，中文网页自动分类技术主要分2个过程。

1、训练过程

一开始搜索引擎会拿一些特定的网页作为训练集实例，经过预处理之后，通过向量化之后存为特征项向量数据库。同时拿出一部分训练集作为校验集，通过训练和测试，主要用于确定每个类别的截尾阈值。

2、分类过程

搜索引擎得到一个新的网页，搜索引擎会先对该网页进行预处理，并且向量化表示，然后通过分类算法，与特征项向量数据库的内容进行比较，求出候选类列表；之后再通过阈值算法求出每个类别的阈值，筛选掉不合适的类别后，得到结果类列表。

小结

随着本章的结束，搜索引擎原理的课程也接近尾声了，黄聪花了7章的课程和大家一起学习搜索引擎的各个组成部分的知识，虽然不是很详细，但是希望能够给搜索引擎爱好者一些帮助，只要有人因为该教程对搜索引擎有了更深的了解，那么黄聪就没有白花这个力气了。

果尔SEO，中国医疗美容机构SEO经验分享平台。本文头像LOGO署名文章版权所有，转载请注明出处。