首页 > 代码库 > 2016/9/23总结电脑内容
2016/9/23总结电脑内容
1.通用搜索引擎面临着索引规模、更新速度、个性化需求等多方面挑战
2.如果网页 p 中包含超链接 l, 则 p 称为链接 l 的父网页;如果超链接 l 指向网页 t, 则网页 t 称为子网页,又称为目标网页。
3.主题网络爬虫的基本思路就是按照事先给出的主题, 分析超链接和已经下载的网页内容, 预测下一个待抓取的 URL 以及当前网页的主题相关度, 保证尽可能多地爬行、 下载与主题相关的网页, 尽可能少地下载无关网页
4.主题网络爬虫,主题定制爬行策略和相关算法
研究进展分析总结:①基于文字内容的启发式方法(利用网页、url、锚文字等文字信息;爬行主题采用关键字集合来描述;根据url的优先级来爬取,使用主题关键词和抓取网页的文字内容计算优先级)
②基于web超链图的评价方法(pagerangk值排url优先级;如果一个网页被引用的次数越多,越重要,url优先级越高)
③基于分类器的预测方法(基于分类模型预测网页的主题相关度)
综上:未来主题爬虫的研究主要是围绕如何提高链接主题预测的准确性,
2016/9/23总结电脑内容
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。