论文研究-基于正文结构和长句提取的网页去重算法 .pdf

【文件属性】：

文件名称：论文研究-基于正文结构和长句提取的网页去重算法 .pdf

文件大小：237KB

文件格式：PDF

更新时间：2022-09-05 05:37:27

网页去重

基于正文结构和长句提取的网页去重算法，黄仁，冯胜，爬虫搜集的重复网页不仅浪费了存储和带宽资源，而且增加了用户的浏览负担。针对网页重复的特点和网页正文的结构特征，提出了一种