基于网页内容聚类
时间:2022-04-11 14:45
基于网页内容的聚类系统设计
- 根据给出的一组网页地址,然后对指定的网页按内容聚成3类
- 网页地址如下所示
1
2
3
4
5
6
7
8
9
** 实现步骤
1、抓取指定网址的源码;
2、解析网页文章内容;
3、对文章内容进行分词,并转换成向量表示(词袋法或TF.IDF);
4、选取合适的距离公式和聚类算法进行聚类,要求聚成3类。(可以用欧式距离或余弦距离等。聚类方法可以考虑用K-means方法等。)
时间:2022-04-11 14:45
** 实现步骤
1、抓取指定网址的源码;
2、解析网页文章内容;
3、对文章内容进行分词,并转换成向量表示(词袋法或TF.IDF);
4、选取合适的距离公式和聚类算法进行聚类,要求聚成3类。(可以用欧式距离或余弦距离等。聚类方法可以考虑用K-means方法等。)