Web文档数据质量指标体系和评估方法

　　为了更好地评估Web文档数据质量，提出一种基于PAC-Baves理论的Web文档质量评估指标体系和评估方法。PAC-Bayes理论融合了PAC理论和贝叶斯定理，在充分利用样本先验信息的基础上，推导出了最紧的泛化风险边界，用于衡量学习算法的泛化性能。首先阐述了文档数据质量评估的研究现状，介绍了PAC-Baves理论框架及其在支持向量机上的应用；其次提出一种基于PAC-Baves理论的Web文档数据质量评估方法（DQAPB），将SVM算法及其PAC-Baves边界应用于Web文档的质量评价中，并构建了基于PAC-Baves理论的Web文档质量评估指标体系；最后采用Wikipedia文档进行实验，实验结果表明该方法具有简便快速、稳定性和鲁棒性较强的优点。