基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决传统主题爬虫效率偏低的问题,在分析了启发式网络爬虫搜索算法Context Graph的基础上,提出了一种改进的Context Graph爬虫搜索策略。该策略利用基于词频差异的特征选取方法和改进后的TF-IDF公式对原算法进行了改进,综合考虑了网页不同部分的文本信息对特征选取的影响,及特征词的类间权重和类中权重,以提高特征选取和评价的质量。实验结果表明,与既定传统方法进行实验对照,改进后的策略效率更高。
推荐文章
基于改进的KMP算法的词频统计
KMP算法
词频统计
模式匹配
基于词频类别相关的特征权重算法
文本分类
文本表示
特征权重
文档频率
逆类频率
一种改进的互信息特征选取预处理算法
互信息
改进互信息
特征选取
文本分类
基于相对词频的文本特征抽取方法
特征抽取
特征向量
评估函数
相对词频
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于词频差异特征选取的Context Graph算法改进
来源期刊 计算机工程与应用 学科 工学
关键词 主题爬虫 Context Graph模型 搜索策略 特征选取 TF-IDF
年,卷(期) 2014,(10) 所属期刊栏目 数据库、数据挖掘、机器学习
研究方向 页码范围 141-146
页数 6页 分类号 TP391
字数 7685字 语种 中文
DOI 10.3778/j.issn.1002-8331.1207-0328
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张永 兰州理工大学计算机与通信学院 55 314 10.0 14.0
2 吴崇正 兰州理工大学计算机与通信学院 3 38 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (70)
参考文献  (9)
节点文献
引证文献  (2)
同被引文献  (3)
二级引证文献  (1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(6)
  • 参考文献(1)
  • 二级参考文献(5)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
主题爬虫
Context Graph模型
搜索策略
特征选取
TF-IDF
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导