【摘 要】
：
传统的聚焦爬虫在主题未知或者缺少相应训练集的情况下无法完成主题爬行。为让聚焦爬虫具有更好的主题适应性,提出基于聚类算法的自适应主题模型,指导聚焦爬虫在只有少量相同
【机 构】
：
清华大学电子工程系信息认知与智能系统研究所,清华大学信息科学与技术国家实验室
论文部分内容阅读
传统的聚焦爬虫在主题未知或者缺少相应训练集的情况下无法完成主题爬行。为让聚焦爬虫具有更好的主题适应性,提出基于聚类算法的自适应主题模型,指导聚焦爬虫在只有少量相同主题(主题未知)初始url的情况下完成主题爬行。通过对初始页面聚类得到主题中心向量,寻找相关网页更新主题中心位置;基于best-first策略实现url排序;基于该模型实现用户定制主题聚焦爬虫。通过对比实验验证了使用该模型的爬虫具有较高的收获比(havest rate)。
其他文献
在房屋建筑施工中常常会出现渗漏问题,不仅会大幅度降低建筑的使用性能,缩短使用寿命,还会严重威胁到住户的生命财产安全,防渗漏施工已经逐渐成为房屋建筑工程的重要环节。要
近日，一场漳台青年优秀创业项目产品发表会在漳州台商投资区两岸青年创业基地举行。发表会上，台湾养虾人刚刚孵化成功的澳洲淡水龙虾育苗项目，进行了现场路演。$$澳洲淡水龙虾原
顾客参与服务的生产,不仅影响服务组织的生产效率和服务质量,而且也会影响顾客自身对服务的满意度。本研究在文献回顾和前人研究的基础上,采用实证研究的方法对顾客参与影响
结合相关法律、法规,从消防安全布局、消防站、消防通信、消防通道、消防装备等角度对太阳山化工园区提出消防规划要求和实施技术措施,为其他地区化工园区规划提供参考和借鉴
从社会学、心理学的角度阐述火灾情况下的家庭行为,针对家庭疏散时的特点描述聚集、逃生两个阶段,并结合有关疏散时间的模拟模型,探讨了家庭行为对安全疏在火灾危险情况下出
化工企业消防安全评价可以为判断企业安全性提供科学依据,是火灾风险评估的重要内容。根据化工企业的现状,采用专家咨询的方法,分别从防控能力、建筑特征和人员三个方面设计
阐述了我国《石油库设计规范》、《石油化工企业设计防火规范》及《原油与天然气工程设计防火规范》对大型浮顶油罐的间距、防火堤有效容积及布置等规定低于美国、日本等国外
针对地下公共建筑的火灾特点,建立了消防安全评价指标体系并介绍评价指标权重的确定方法。将模糊综合评价方法引入地下公共建筑消防安全评估中,运用模糊数学理论建立地下公共
<正> 基本需要满足的先决条件有些条件是基本需要满足的直接的先决条件.危害这些条件几乎象直接危害基本需要本身一样便发生反应.象言论自由,行动自由,只要对其他人无害,爱做
针对现有Domain-flux僵尸网络检测方法在检测范围方面的不足,提出基于域名访问活跃特征的Domain-flux僵尸网络域名检测方法。通过阐述Domain-flux僵尸网络所利用的域名集合在