关于重复词提取的两种算法分析
作者：蒋　华　殷　波
来源：《计算机应用》2009年第02字段字符串去重复期
        摘 要：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。
        关键词：重复词句；重复序列；后缀树

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。