面向大学领域的聚焦爬虫设计与实现.pdf

（ ） （）： ， 山西大学学报 自然科学版 ３ ８２ ２２３－２３４２０１５ （ ） ＪｏｕｒｎａｌｏｆＳｈａｎｘｉＵｎｉｖｅｒｓｉｔ Ｎａｔ．Ｓｃｉ．Ｅｄ． 　 　 　 ｙ 　 ： （ ） 文章编号 ０ ２ 　 ０ １ ２５３ ３９５２０１５０２ ２２３ ２ 　 － － － 面向大学领域的聚焦爬虫设计与实现 １ １ ２ ＊ ， ， 甘国华 刘梦赤 胡婕 （ ， ； １武汉大学 计算机学院软件工程国家重点实验室 湖北武汉 ． ４３００７２ 湖北大学 ， ） ２． 计算机与信息工程学院 湖北武汉 ４ ３００６２ ： 。 ， 摘 要 如何从海量的 资源中获取有用的信息是 研究领域的重要研究内容 针对特定领域信息的获取 Ｗｅｂ Ｗｅｂ 　 。 ， 。 目前主要采用聚焦爬虫策略 该策略只爬取与主题相关的页面 忽略不相关页面 但目前的聚焦爬虫技术在爬行 。 ， ， 效率和页面质量两个方面仍存在一定的不足 因此 本文主要从这两个方面进行改进 并在此基础上设计和实现 。 了一个面向大学领域的聚焦爬虫系统 该系统采用基于改进的 Ｃ 方法的有哪些信誉好的足球投注网站策略和基于支持向量 ｏｎｔｅｘｔＧｒａ ｈｓ 　 ｐ （ ） 。 机 ＳＶＭ 的目标页面分类器方法获取有用的资源 实验结果表明该系统在爬虫结果的收益率和准确率上分别提 高了１ 和 。 ０％ ８％ ： ； ； ； ； 关键词 特定领域 聚焦爬虫 大学领域 ｏｎｔｅｘｔＧｒａ ｈｓ 支持向量机 Ｃ 　 ｐ 中图分类号： 文献标志码： ： ／ （ ） Ｔ Ｐ３９１ Ａ ＤＯＩ １０．１３４５１ ．ｃｎｋｉ．ｓｈａｎｘｉ．ｕｎｉｖ ｎａｔ．ｓｃｉ．．２０１５．０２．００６