文档介绍：密级保密期限
烤玄钾雷李
硕士研究生学位论文
题目中文重复网页的检测算法研究
学号
姓名
专学导业师院
年月日
密级保密期限
玄钾全李
硕士研究生学位论文
题目中文重复网页的检测算法研究
专学导师业院
口口己王苏
****月〕``户尹
年月日
了
独创性或创新性声明
本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究
成果。尽我所知 , 除了文中特别加以标注和致谢中所罗列的内容以外 , 论文中不
包含其他人已经发表或撰写过的研究成果 , 也不包含为获得北京邮电大学或其他
教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任
何贡献均已在论文中作了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处 , 本人承担一切相关责任。
本人签名声辉日期。口`冲月口,日
关于论文使用授权的说明
学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定 , 即
研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保
留并向国家有关部门或机构送交论文的复印件和磁盘 , 允许学位论文被查阅和借
阅学校可以公布学位论文的全部或部分内容 , 可以允许采用影印、缩印或其它
复制手段保存、汇编学位论文。保密的学位论文在解密后遵守此规定
保密论文注释本学位论文属于保密在年解密后适用本授权书。非保密论
文注释本学位论文不属于保密范围 , 适用本授权书。
本人签名日期如砖咖****br/>导师签名日期
北京邮电大学硕士学位论文中文重复网页的检测算法研究
中文重复网页的检测算法研究
任石
摘七
随着互联网的日益普及和迅猛发展 , 网络上的信息量呈现爆炸式
的增长 , 搜索引擎成为人们获取信息的主要方式 , 而且越来越受到重
视。重复网页检测一直以来都是搜索引擎研究的重点。本文就如何提
高中文重复网页的检测算法效率进行研究。
通过比较目前国内外重复网页检测的若干方法 , 本人发现基于内
容的重复网页检测算法有较好的效果 , 而且加入链接和链接信息并没
有明显改善算法性能