Web采集中信息组合自学习的研究

• 作者: 姜华 张玲 许亮
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: Web采集者 链接价值 主题搜索 搜索策略 Web信息组合
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 应用开发研究
• 页码范围: 216-219
• 页数: 4页
• 分类号: TP391
• 字数: 3981字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.11.053

摘要

Web采集者为了尽可能准确地采集符合主题的网页信息，一般会根据多种Web信息来预测待采集链接的价值。文中为了提高Web采集系统预测链接价值的准确性，提出了一种能根据已采集页面自行调整Web信息重要性的Web采集者。它具有学习能力，能通过对训练集的爬行，分析出对于预测链接价值各种Web信息的重要性，以此调整采集过程中各Web信息的组合权值，得到符合实际Web情况的较优搜索策略。以计算机作为采集主题，对此算法和传统的Web信息固定组合的算法进行了比较。实验结果表明，较之传统的Web采集者，使用此算法的采集者具有较高的Web搜索精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玲	湖南省第一师范学院信息科学与工程系	3	3	1.0	1.0
2	姜华	湖南省第一师范学院信息科学与工程系	3	8	1.0	2.0
3	许亮	湖南省第一师范学院信息科学与工程系	2	0	0.0	0.0