基于贝叶斯分类器的主题爬虫研究.pdfVIP

基于贝叶斯分类器的主题爬虫研究.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于贝叶斯分类器的主题爬虫研究,贝叶斯分类器,朴素贝叶斯分类器,贝叶斯分类器matlab,python贝叶斯分类器,贝叶斯分类器java,opencv贝叶斯分类器,朴素贝叶斯文本分类器,贝叶斯网络分类器,高斯贝叶斯分类器

第26卷第 9期 计 算 机 应 用 研 究 V o.l 26 N o. 9 2009年9月 ApplicationR esearch of Computers Sep. 2009 a a­ a, b , , ( 四川大学 a. 计算机学院网络与可信计算研究所; b.信息安全研究所, 成都 610064) : 主题爬虫是实现定题有哪些信誉好的足球投注网站引擎的核心技术提出了基于贝叶斯分类器实现主题爬虫的方法, 介绍了基 于贝叶斯分类器的主题爬虫的系统结构以及系统关键部分的实现, 包括 URL队列爬行历史页面下载以及页 面分析, 并重点介绍了基于贝叶斯分类器的主题相关度算法爬虫使用改进的TF-IDF 算法来提取网页内容的 特征, 并采用贝叶斯分类器计算其主题相关度实验结果表明, 在有哪些信誉好的足球投注网站大量网络资源的情况下,贝叶斯分类器比 PageRank算法更适合用于实现主题爬虫 : 贝叶斯; 分类器; 主题爬虫; 主题相关度 : TP391 : A : 1001-3695( 2009) 09- 3418- 03 doi: 10. 3969 /j. issn. 1001- 3695. 2009. 09. 061 Research on focused craw ler based on Bayes classifier a a­ a, b ZOU Yong-b in , CH EN Xing-shu , WANG W en-xian ( a. N ewt ork T rusted Comp u ting Institu te, Comp u ter Colleg e, b. Institute of Inf orm ation S ecu rity, S ichuan Uni ersity, Ch engdu 610064, Ch i- na) Ab stract: Focused craw ler is the core technology to mi p lement a focused search engine. This paperm ade a research on fo- cused craw ler based on Bayes classifier, introduced the system arch itecture and key mi p lem entation of a focused craw ler based on Bayes classifier. The key parts of the craw ler includeURL queue, craw ling history, page dow nloader and page analyzer. This paper focused on the page rank ing algorithm based on Bayes classifier. U sed an mi provedTF-IDF algorithm to extract the characteristics of the page content, and adopted Bayes classifier to compute the page rank. The expermi ent results show that Bayes classifier is a better choice than PageRank algorithm to mi p lem ent a focused craw ler, under the cond ition of large net- w ork of resources. K ey words: Bayes; classifier; focuse

文档评论(0)

docinppt + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档