基于单类别文档分类的主题爬虫

• 作者: 方加沛 黄战
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 搜索引擎 主题爬虫 单类别文档分类 信息提取
• 年，卷（期）: 2010,（16）
• 所属期刊栏目: 研发、设计、测试
• 页码范围: 63-66
• 分类号: TP311
• 字数: 5439字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.16.018

摘要

主题爬虫设计中关于主题的确立可以采用手工设置依赖于专家的经验,具有关键词缺漏和权值量化不精确的缺点;而后者的主要缺点在于难以获取具有代表性的反例训练样本.针对上述情况,提出了一种基于单类别文档分类的主题爬虫,同时还将分类作用于超链接的anchor text.实验结果充分证明了该主题爬虫的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄战	暨南大学计算机科学系	22	197	9.0	13.0
2	方加沛	暨南大学计算机科学系	2	25	2.0	2.0