TAILIEUCHUNG - Lecture Notes in Computer Science- P16

Lecture Notes in Computer Science- P16:This year, we received about 170 submissions to ICWL 2008. There were a total of 52 full papers, representing an acceptance rate of about 30%, plus one invited paper accepted for inclusion in this LNCS proceedings. The authors of these accepted papers | Web Contents Extracting for Web-Based Learning 65 Training Set CCT2006 in CWIRF1. It consists of 1200 piece of content pages. Dataset3 consists of 184 piece of content page collected from SOHU. Experiment 1 Experiment 1 compares time performance of building Block-List and DOM-Tree. Fig. 4 illustrates accumulating time on building Block-List and DOM-Tree for all web pages in Dataset2. Accumulated time difference on building Block-List and DOM-Tree is increasing while more pages are processed. At the end of experiment building Block-List spends about 30 second lesser than building DOM-Tree. It can be concluded that building Block-List need lesser time than building DOM-Tree. Fig. 4. Comparison of time performance Experiment 2 Experiment 2 evaluates validity of using variance and bending of block distribution to distinguish content pages and non-content pages. Firstly we get block distribution of each web page in Dataset1 and Dataset2 and then compute their variance and bending. Experiment uses Naïve Bayes KNN and ADTree provided by weka2 to conduct classification on dataset1. Table 1 shows results of the classification which use Accuracy as criterion. . correctly labeled documents Accuracy ---------------------------------- all documents Data of experiment in Table 1 shows best classification can be derived by using AD-Tree whose accuracy is . Experiments uses Dataset1 as training set to build classifier based on NB ADTree and KNN respectively. Then it uses these classifiers to conduct classification on dataset2. Table 1 shows result of Experiment where ADTree wrongly classify 81 pieces of web pages which have too short main contents. Experiment and also use Dataset1 as training set to build classifier. Then they conduct classification on Dataset2 by separately using variance and bending. Table 1 shows we can get best accuracy by using variance and bending together than do so by separately using one of two features. 1 http .

• Phần cứng
• kỹ thuật máy tính
• tài liệu kỹ thuật máy tính
• nguyên lý hệ điều hành
• tài liệu hệ điều hành
• nguyên tắc OS
• 45 câu trắc nghiệm Kỹ thuật máy tính
• Trắc nghiệm Kỹ thuật máy tính
• Ôn Kỹ thuật máy tính
• Bài tập Kỹ thuật máy tính
• 45 câu Kỹ thuật máy tính
• Đề thực hành sửa chữa máy tính TH50
• Lắp ráp máy tính
• Đề thi thực hành kỹ thuật sửa máy tính
• Thực hành lắp ráp máy tính
• Đề thi tốt nghiệp kỹ thuật sửa máy tính
• Kỹ thuật sửa chữa lắp ráp máy tính
• Đề thực hành sửa chữa máy tính TH1
• Đề thực hành sửa chữa máy tính TH2
• Đề thực hành sửa chữa máy tính TH3
• Đề thực hành sửa chữa máy tính TH4
• Đề thực hành sửa chữa máy tính TH5
• Đề thực hành sửa chữa máy tính TH6
• Đề thực hành sửa chữa máy tính TH7
• Đề thực hành sửa chữa máy tính TH8
• Đề thực hành sửa chữa máy tính TH9
• Đề thực hành sửa chữa máy tính TH10
• Đề thực hành sửa chữa máy tính TH11
• Đề thực hành sửa chữa máy tính TH12
• Đề thực hành sửa chữa máy tính TH13
• Đề thực hành sửa chữa máy tính TH14
• Đề thực hành sửa chữa máy tính TH15
• Đề thực hành sửa chữa máy tính TH16
• Đề thực hành sửa chữa máy tính TH17
• Đề thực hành sửa chữa máy tính TH18
• Đề thực hành sửa chữa máy tính TH19
• Đề thực hành sửa chữa máy tính TH20
• Đề thực hành sửa chữa máy tính TH21
• Đề thực hành sửa chữa máy tính TH22
• Đề thực hành sửa chữa máy tính TH23