【摘 要】
：
针对基于文本内容的主题爬虫算法引入过多无关特征属性以及没有考虑出现频次不同的特征属性对相关性判定影响的不足,提出一种基于候选链接主题边缘文本的主题爬虫.使用杜威十
论文部分内容阅读
针对基于文本内容的主题爬虫算法引入过多无关特征属性以及没有考虑出现频次不同的特征属性对相关性判定影响的不足,提出一种基于候选链接主题边缘文本的主题爬虫.使用杜威十进分类法提取锚文本关键词和与锚文本关键词词义相近的网页正文中的关键词,称为候选链接主题边缘文本.在使用朴素贝叶斯分类器进行相关性判定时,对出现频次不同的特征属性进行加权,获取的候选链接按照判定结果的大小顺序存入队列等待下一轮的访问.实验结果表明,该爬虫有效提高了相关网页获取的准确性.
其他文献
等离子切割机(Plasma Cutting Machine)是借助等离子切割技术对金属材料进行加工的机械。其利用高温等离子电弧的热量使工件切口处的金属部分或局部熔化(和蒸发),并借高速等
专用性人力资本投资不能在企业和员工之间转移的特性使得控制权纵向一体化及企业和员工共同持有公司股票两种办法无法根本解决人力资本专用性投资产生的套牢问题。但是，在企业
文章利用联合国数据库2000-2007年中日服务业发展数据,对中日服务贸易的产业内贸易程度及影响因素进行了实证分析,研究表明:中日服务贸易以产业内贸易为主要发展模式,但其产
<正>广西崇左市辖地有大新、龙州、宁明、凭祥4个县(市)与越南接壤,边境线长533公里,占广西陆地边境线的50.76%,是广西陆地边境线最长的地级市。全市辖有5个国家一类口岸、2
标志是一种特殊的视觉图形符号,它以简洁精炼的艺术形象向大众直观地传达一定的信息,传达涵义明确,信息指向特定,具有强大的视觉信息传达功能。随着社会的不断发展和进步,标
冲压行业作为制造业的一个重要组成部分，在当今全球化的市场竞争条件下面临着更加严酷的挑战。客户至上和生产效率至上的观念日益深入人心，也日益融入到企业的日常生产规范中。
网络数据形式的多样性与复杂程度都对数据获取造成了很大的影响,常用的网络爬虫已经无法适用于精准的数据查找、获取与分析,而Python语言简单并提供了多线程分布式爬虫框架,
梨树属于蔷薇科梨属,多以乔木与落叶果树形式存在,生存空间比较广泛,遍布全球。梨树果实能够清热润肺、生津解渴,具有一定的商业应用价值空间,因此很多地区都在进行梨树种植,
近年来,北京保险业快速发展,业务规模不断扩大,市场主体不断增多。但面对日益多样的消费者需求,保险的损失补偿、风险管理等多项功能依然有待开发。中小保险公司的健康发展是
<正>目的:随着竞技体育的发展,核心力量和核心稳定性训练逐渐成为运动员进行体能训练的重要内容。Crunches,是一种核心力量训练的有效方法。完成平板Crunches动作时,要求训练