基于SVM预测的金融主题爬虫

• 作者: 唐小棚 李志蜀 梁时木 琚生根 陈黎 韩国辉
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 主题爬虫 分类器 支持向量机 特征选择 金融
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 493-497
• 分类号: TP391.12
• 字数: 4207字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2010.03.017

摘要

随着Internet上信息的爆炸,利用通用搜索引擎检索用户相关的信息变得越来越困难,而主题爬虫成为WEB上检索主题相关信息的重要工具.目前大部分基于分类器预测的主题爬虫的训练数据是不同类别网页的内容,但是在实际预测过程只能根据父网页中的一些链接信息进行预测,所以造成主题爬虫的预测的准确率较低.本文使用SVM分类器对标注了类别的URL以及上下文和锚文本进行训练,并分别使用了DF和信息增益两种不同的特征选择方法进行特征筛选,对影响分类器的各种因素进行了实验对比,并对分类器进行了在线的实验.实验证明这种方法在实际预测过程中效率很高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志蜀	四川大学计算机学院	215	2961	28.0	46.0
2	陈黎	四川大学计算机学院	33	203	7.0	11.0
3	琚生根	四川大学计算机学院	72	460	11.0	16.0
4	唐小棚	四川大学计算机学院	2	16	2.0	2.0
5	梁时木	四川大学计算机学院	3	23	3.0	3.0
6	韩国辉	四川大学计算机学院	5	29	3.0	5.0