论文部分内容阅读
Web采集者为了尽可能准确地采集符合主题的网页信息，一般会根据多种Web信息来预测待采集链接的价值。文中为了提高Web采集系统预测链接价值的准确性，提出了一种能根据已采集页面自行调整Web信息重要性的Web采集者。它具有学习能力，能通过对训练集的爬行，分析出对于预测链接价值各种Web信息的重要性，以此调整采集过程中各Web信息的组合权值，得到符合实际Web情况的较优搜索策略。以计算机作为采集主题，对此算法和传统的Web信息固定组合的算法进行了比较。实验结果表明，较之传统的Web采集者，使用此算法的采集者具