检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 关于重复词句提取的两种算法分析

殷波蒋华

计算机应用

摘要（901）

PDF （441KB）（981）

针对重复网页的去重问题，对两种重复词句提取算法进行了系统分析比较。STC算法在时间成本上具有优秀性能，重复序列的倒排索引方法在空间复杂度方面更胜一筹。结合STC算法对重复序列方法进行了改进，而面向主题转载的重复网页，先抽取重复串，然后将重复串作索引进行STC算法的重复抽取。实验结果表明，改进算法在保持了原有空间特性的基础上极大地提高了时间效率。