基于时间的新闻网页去重方法研究

作者：罗永莲; 张永奎新闻网页主题内容抽取网页去重权值计算

摘要：网页检索结果中，用户经常会得到内容相同的冗余页面。它们不但浪费了存储资源，而且给信息检索或其它文本处理带来诸多不便。论文在抽取出新闻标题、主题内容和日期的前提下，依据新闻的时间性（易碎性），按日期分“群”，对冗余网页去重方法进行了探索性研究，从而很大程度地缩小了计算时间，提高了去重准确性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社