基于SVM的主题爬虫技术研究

• 作者: 张国印 李正文 李璐
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: SVM 主题爬虫 爬取策略 HITS
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 信息安全
• 页码范围: 118-122
• 页数: 5页
• 分类号: TP302.1
• 字数: 5237字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.2.025

摘要

随着互联网的快速发展,网络信息呈现海量和多元化的趋势.如何为互联网用户快速、准确地提取其所需信息,已成为搜索引擎面临的首要问题.传统的通用搜索引擎虽然能够在较大的信息范围内获取目标,但在某些特定领域无法给用户提供专业而深入的信息.提出基于SVM分类的主题爬虫技术,其将基于文字内容和部分链接信息的主题相关度预测算法、SVM分类算法和HITS算法相结合,解决了特定信息检索的难题.实验结果表明,使用基于SVM分类算法的爬取策略,能够较好地区分主题相关网页和不相关网页,提高了主题相关网页的收获率和召回率,进而提高了搜索引擎的检索效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张国印	哈尔滨工程大学计算机科学与技术学院	162	1407	18.0	28.0
2	李璐	军工保密资格审查认证中心实验室	16	47	3.0	6.0
3	李正文	哈尔滨工程大学计算机科学与技术学院	1	28	1.0	1.0