聚焦爬虫技术研究综述

• 作者: 周立柱 林玲
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 聚焦爬虫 信息检索 链接分析 文本检索 数据抽取 协作抓取 本体描述 元搜索
• 年，卷（期）: 2005,（9）
• 所属期刊栏目: Web与数据库
• 页码范围: 1965-1969
• 页数: 5页
• 分类号: TP311.13
• 字数: 6562字
• 语种: 中文

摘要

因特网的迅速发展对万维网信息的查找与发现提出了巨大的挑战.对于大多用户提出的与主题或领域相关的查询需求,传统的通用搜索引擎往往不能提供令人满意的结果网页.为了克服通用搜索引擎的以上不足,提出了面向主题的聚焦爬虫的研究.至今,聚焦爬虫已成为有关万维网的研究热点之一.文中对这一热点研究进行综述,给出聚焦爬虫(Focused Crawler)的基本概念,概述其工作原理;并根据研究的发展现状,对聚焦爬虫的关键技术(抓取目标描述,网页分析算法和网页搜索策略等)作系统介绍和深入分析.在此基础上,提出聚焦爬虫今后的一些研究方向,包括面向数据分析和挖掘的爬虫技术研究,主题的描述与定义,相关资源的发现,Web数据清洗,以及搜索空间的扩展等.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周立柱	清华大学计算机科学与技术系	69	3313	19.0	57.0
2	林玲	清华大学计算机科学与技术系	3	417	2.0	3.0