公开(公告)号：CN103678432B

公开(公告)日：2016-11-16

申请号：CN201310116907.X

申请日：2013-04-07

Applicant: 南京邮电大学

Inventor： 成卫青 ,  于静 ,  洪龙 ,  杨庚 ,  黄卫东 ,  梁胜

IPC: G06F17/30

Abstract: 本发明基于网页主体特征和中介真值的网页主体识别和提取方法是一种Web信息抽取过程中进行主体识别的解决方案。主要用于解决主体识别存在的通用性不强、准确度有待提高的问题，属于Web信息处理领域。本发明的特征：通过考察网页结点树中每个结点的子树数、平均子树分支数、可显示字符数和子树分支数极差等属性，从多角度判别每个结点是主体结点的真值程度，再综合各个角度的评判结果识别出网页的主体结点，从而具有较高的网页主体识别准确度；而且本发明能够针对每个网页自动设定中介真值程度计算所需要各个属性的界值，多角度判别和自动设定界值一起使本发明通用性强，适用于各种类型网页的主体识别和提取。

公开(公告)号：CN103345528B

公开(公告)日：2016-08-24

申请号：CN201310312018.0

申请日：2013-07-24

Applicant: 南京邮电大学

Inventor： 成卫青 ,  范恒亮 ,  杨庚 ,  黄卫东 ,  梁胜

IPC: G06F17/30

Abstract: 本发明提供一种基于关联分析和KNN的文本分类方法，用于解决基于传统KNN的文本分类方法存在的效率和准确率有待进一步提高的问题；本发明是一种策略性方法考虑到被测文档与近邻文档向量的特征属性会重合较多，本发明提出一种基于关联分析和KNN的文本分类方法该方法基于对各个类别文本进行关联分析的结果，快速确定未知类别文本合适的近邻数k，并在已知类别的文本中选取k个近邻，进而根据近邻类别确定未知文本的类别，改进了基于传统KNN的文本分类方法k值难以确定及时间复杂度高的不足，提高了文本分类的效率和准确率。

公开(公告)号：CN103345528A

公开(公告)日：2013-10-09

申请号：CN201310312018.0

申请日：2013-07-24

Applicant: 南京邮电大学

Inventor： 成卫青 ,  范恒亮 ,  杨庚 ,  黄卫东 ,  梁胜

IPC: G06F17/30

Abstract: 本发明提供一种基于关联分析和KNN的文本分类方法，用于解决基于传统KNN的文本分类方法存在的效率和准确率有待进一步提高的问题；本发明是一种策略性方法考虑到被测文档与近邻文档向量的特征属性会重合较多，本发明提出一种基于关联分析和KNN的文本分类方法该方法基于对各个类别文本进行关联分析的结果，快速确定未知类别文本合适的近邻数k，并在已知类别的文本中选取k个近邻，进而根据近邻类别确定未知文本的类别，改进了基于传统KNN的文本分类方法k值难以确定及时间复杂度高的不足，提高了文本分类的效率和准确率。

公开(公告)号：CN103678432A

公开(公告)日：2014-03-26

申请号：CN201310116907.X

申请日：2013-04-07

Applicant: 南京邮电大学

Inventor： 成卫青 ,  于静 ,  洪龙 ,  杨庚 ,  黄卫东 ,  梁胜

IPC: G06F17/30

CPC classification number: G06F17/30896

Abstract: 本发明基于网页主体特征和中介真值的网页主体识别和提取方法是一种Web信息抽取过程中进行主体识别的解决方案。主要用于解决主体识别存在的通用性不强、准确度有待提高的问题，属于Web信息处理领域。本发明的特征：通过考察网页结点树中每个结点的子树数、平均子树分支数、可显示字符数和子树分支数极差等属性，从多角度判别每个结点是主体结点的真值程度，再综合各个角度的评判结果识别出网页的主体结点，从而具有较高的网页主体识别准确度；而且本发明能够针对每个网页自动设定中介真值程度计算所需要各个属性的界值，多角度判别和自动设定界值一起使本发明通用性强，适用于各种类型网页的主体识别和提取。

公开(公告)号：CN103678274A

公开(公告)日：2014-03-26

申请号：CN201310129008.3

申请日：2013-04-15

Applicant: 南京邮电大学

Inventor： 成卫青 ,  唐旋 ,  范恒亮 ,  杨庚 ,  梁胜

IPC: G06F17/27

Abstract: 本发明提供一种用于文本分类的特征提取方法，用于解决文本分类存在的准确率和召回率有待进一步提高的问题。本发明是一种策略性方法。考虑到统计热力学中熵的概念，熵用来描述体系的混乱程度，它在控制论、概率论、数论、天体物理、生命科学、信息论等领域都有重要应用。本发明认为熵同样可以用在文本分类中，可以将特征看成是一个事件，文本的类集就是一个系统，这样熵就可以衡量特征和类别的混乱程度，进而转化为它们之间关系的紧密程度。本发明在改进互信息的基础上，结合熵的概念，提出一种新的特征评估函数，并基于该函数进行特征提取，能选取更优特征子集，用以表示文本和构建分类器，以提高文本分类的准确率与召回率。