【摘 要】
：
基于主题的信息采集是信息检索领域内一个新兴且实用的方法,通过将下载页面限定在特定的主题领域,来提高搜索引擎的效率和提供信息的质量。其思想是在爬行过程中按预先定义好
【机 构】
：
北京工业大学计算机学院; 清华大学电子工程系 北京100022; 北京100022; 北京100084;
论文部分内容阅读
基于主题的信息采集是信息检索领域内一个新兴且实用的方法,通过将下载页面限定在特定的主题领域,来提高搜索引擎的效率和提供信息的质量。其思想是在爬行过程中按预先定义好的主题有选择地收集相关网页,避免下载主题不相关的网页,其目标是更准确地找到对用户有用的信息。探讨了主题爬虫的一些关键问题,通过改进主题模型、链接分类模型的学习方法及链接分析方法来提高下载网页的主题相关度及质量。在此基础上设计并实现了一个主题爬虫系统,该系统利用主题敏感HITS来计算网页优先级。实验表明效果良好。
其他文献
针对影响光电平台控制精度的载体速度扰动以及测量噪声等因素,设计了扰动自抗扰以及滤波控制的两部分控制策略。首先,通过分析光电平台伺服系统速度稳定环的数学模型中扰动作
VC++与MATLAB混合编程,可以将VC优秀的可视化编程能力和MATLAB强大的计算能力结合起来。分析了C语言与MATLAB7.x在接口的特点,详细介绍了VC++6.0与MATLAB7.x混合编程的三种方
目的了解男性不育症患者精液细菌分布特点及其耐药性。方法对从2011年3月至2014年10月来本院不孕不育科就诊的男性患者的精液进行细菌分离培养和药敏试验并进行统计分析。结
传统K近邻（KNN）算法简单易于理解，但是求解过程中需要计算样本之间的距离，时间复杂度较高。针对这种不足，本文提出了一种基于向量投影的KNN快速算法。该算法首先计算二分类训练样
柳树可以起到绿化环境、保护水土、防止自然灾害发生等作用,因此,掌握好柳树扦插育苗的技术,可以提高柳树种植的质量和产量。本文对这一技术的有关内容进行了探讨与分析,具有
目的探讨急性冠脉综合征（ACS）患者冠状动脉粥样硬化程度和血浆氨基末端脑钠肽前体、高敏C反应蛋白水平之间的相关性。方法 ACS患者120例均行冠状动脉造影术,分为不稳定型心绞痛
目的分析和探讨运动联合饮食干预对肥胖高职学生的减肥效果,为学生在校期间健康有效减肥提供有益的指导。方法选取在本校学习的肥胖高职学生共20例作为研究对象,将研究对象随
“玄”是中国古代哲学的一个重要范畴,本文首先选取《汉语大词典》、《汉语大字典》以及《康熙字典》作为“玄”词典释义的依据,同时参考其他权威文献资料,整理并归纳出“玄
问卷调查分析显示：（1）处于汉语中、高级学习阶段的哈萨克族学生在使用汉语否定结构时．会出现一些带有普遍规律性的偏误；（2）母语负迁移所造成的偏误很少出现，而目的语知识负迁移造成的
(一)无砂混凝土的发展概况无砂混凝土是由水泥、粗骨料(碎石、卵石或轻骨料等)和水拌制而成的一种大孔混凝土。国内外主要用它作住宅的墙体。早在19世纪,这种混凝土已在欧洲