一种Deep Web聚焦爬虫

• 作者: 黄昊晶
• 来源期刊: 电脑与电信
• 学科: 工学
• 关键词: 聚焦爬虫 Deep Web PageRank 网站结构图剪枝 页面判断
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 基金项目
• 页码范围: 30-31,37
• 分类号: TP3
• 字数: 1584字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-6609.2011.03.020

摘要

聚焦爬虫是搜索引擎的网页自动获取程序,是搜索引擎发现和索引深层网(Deep web)数据的关键一步.介绍了一种聚焦爬虫,该爬虫使用PageRank算法分析网页的重要性,通过网站结构图剪枝技术及页面判断算法过滤与主题无关的URL,有效提高deep web数据集成的质量和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄昊晶		5	25	3.0	5.0