WWW论坛中的动态网页采集

• 作者: 张凯 李魁 程学旗 郭岩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 互联网论坛 信息采集 动态网页
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 80-82
• 页数: 3页
• 分类号: TP311
• 字数: 3496字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.06.028

摘要

网络论坛已经成为互联网信息发布的主要形式,对论坛信息的检索和挖掘都涉及到论坛信息的获取,然而传统的针对静态网页的广度优先采集工具,不能有效地获取论坛信息.该文利用论坛的结构特点,提出了一种"版面-主题关联判断"(BTCJ)算法,采用一种基于版面扩展的采集策略.实验证明,该方法在论坛采集准确率和覆盖率方面显著优于广度优先策略;具有良好的泛化能力,应用在实践中已覆盖各种类型的论坛12 000余个.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学旗	中国科学院计算技术研究所	160	4858	31.0	67.0
2	郭岩	中国科学院计算技术研究所	24	587	11.0	24.0
3	张凯	中国科学院计算技术研究所	105	1451	21.0	34.0
4	李魁	中国科学院计算技术研究所	1	21	1.0	1.0