基于扩展锚文本的网页特征识别

基于源网页的信息比目标网页的更具有区别性，提出通过提取源网页扩展的锚文本，进行目标网页特征识 别。 分析了不同位置的扩展锚文本，获取其 XPath 表达式，用于提取网页特征，并通过实验分析其性能。

概率XML文档Top-k关键字并行检索算法

概率 ＸＭＬ是描述不确定数据的有效方式， Ｄｅｗｅｙ 编码是一种重要的 ＸＭＬ文档关键字索引编码技术。在概 率 ＸＭＬ 大文档关键字索引检索过程中，频繁地比较关键字索引 Ｄｅｗｅｙ 编码非常耗时。针对上述问题，对概率 ＸＭＬ 文档进行分区，并设计了适合概率 ＸＭＬ 文档特点的关键字索引的 Ｄｅｗｅｙ 编码策略，提出了一种概率 ＸＭＬ 文档 Ｔｏｐ － ｋ 关键字并行检索算法ＰＴＫＳ （ Ｐａｒａｌｌｅｌ　Ｔｏｐ － ｋ 　Ｋｅｙｗｏｒｄ　Ｓｅａｒｃｈ　Ａｌｇｏｒｉｔｈｍ ）。实验证明， ＰＴＫＳ提高了概率 ＸＭＬ文档关 键字检索的时间效率，尤其在文档结构复杂度高的情况下检索效率提高更加显著。