基于数据挖掘的主题种子站点提取器的研究

• 作者: 季志远 程晓荣 胡晟
• 来源期刊: 软件
• 学科: 工学
• 关键词: Web信息检索 数据挖掘 主题搜索
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 理论计算机科学
• 页码范围: 56-57,64
• 页数: 3页
• 分类号: TP311
• 字数: 2826字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2013.02.018

摘要

近年来,主题搜索引擎由于其在主题上的高相关性,使搜索结果的查准率得到了极大的提高,然而由于受到主题爬虫的限制,可选的种子站点的有效数量较少,使得搜索反馈的结果的数量不够多,直接影响到了搜索引擎的查全率.本文为解决这个问题,结合元搜索引擎的优势,提出一种通过多搜索引擎来为主题爬虫提供种子站点的方法,并通过计算相关度,更有效地去除噪音链接,使得种子站点的相关性得到保障,最后通过Nutch1.2的主题爬虫功能,验证了本种子站点提取器能够高效地获得大量相关度较高的种子站点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程晓荣	华北电力大学控制与计算机工程学院	86	480	12.0	19.0
2	季志远	华北电力大学控制与计算机工程学院	5	13	2.0	3.0
3	胡晟	华北电力大学控制与计算机工程学院	5	43	4.0	5.0