一种基于本体语义的灾害主题爬虫策略

• 作者: 李宏伟 梁汝鹏 连世伟 陈虎 马雷雷
• 来源期刊: 计算机工程
• 学科: 地球科学
• 关键词: 主题爬虫 本体 语义相似度 向量空间模型 相关度计算 锚文本
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: ?先进计算与数据处理?
• 页码范围: 50-56
• 页数: 7页
• 分类号: P208
• 字数: 7393字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.11.009

摘要

为高效精确地提取存在于互联网中的灾害主题网页文本信息，引入本体语义，提出一种新的灾害主题爬虫策略。给出本体语义支持的灾害主题爬虫框架和流程，改进本体概念语义相似度计算方法，利用语义相似度计算主题语义向量，通过 HTML位置加权获取网页文本特征向量，并进行主题相关度计算。设计 URL锚文本主题相关度计算方法，分析URL链接优先度，优化爬行队列。选取地震灾害和气象灾害2个主题进行测试与分析，实验结果表明，该策略能有效提高稳定性和爬准率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宏伟	信息工程大学地理空间信息学院	68	370	10.0	14.0
2	梁汝鹏	信息工程大学地理空间信息学院	25	123	6.0	8.0
3	马雷雷	信息工程大学地理空间信息学院	16	78	6.0	8.0
5	连世伟	信息工程大学地理空间信息学院	8	40	4.0	6.0
8	陈虎		3	5	1.0	2.0