【摘 要】
：
针对词频-逆文档频率模型应用于主题爬虫时存在的非结构化问题,设计基于分类关键词词频(CKTF)模型的主题爬虫。利用网页文档结构特征和主题词语的分布信息将网页映射为五维向
【机 构】
：
信息工程大学地理空间信息学院,四川省应急测绘与防灾减灾工程技术研究中心,中华测绘技术服务公司
【基金项目】
：
四川省应急测绘与防灾减灾工程技术研究中心开放基金资助项目(K2015B014)
论文部分内容阅读
针对词频-逆文档频率模型应用于主题爬虫时存在的非结构化问题,设计基于分类关键词词频(CKTF)模型的主题爬虫。利用网页文档结构特征和主题词语的分布信息将网页映射为五维向量,根据维基百科中文语料库和搜狗全网新闻数据语料库选择关键词并计算其与地缘政治主题的相关度,使用支持向量机实现网页向量的学习和分类。实验结果表明,与传统主题爬虫相比,该主题爬虫能够挖掘地缘政治主题中的丰富内容,有效衡量网页与主题的相关度,具有较高的爬准率和稳定性。
其他文献
墨家有着丰富的科技思想,也有着众多的科技成就。提及墨家技术人们更多关注的是《墨经》而对城守诸篇却颇为忽略。《墨子》城守诸篇是自《备城门》以下至《杂守》现存十一篇,
精神型领导是指建立一个学习型组织，通过激发员工的内在动机实现组织转型的目的。精神型领导的目标是通过采用一定的策略和对员工心理授权，建立个人和团队关于组织的愿景和共同
智能车辆能通过自身所搭载的传感器来感知车辆外部环境信息和自身状态信息，它能够在真实且复杂的环境中自主驾驶并完成一定的功能。智能车辆集中运用了自动控制、多传感器信息
强力感冒片作为常用的感冒药之一,其标准为部颁标准《中药成方制剂第二十册》,它属于非处方药物,患者可以自由购买,所以其质量标准应该更为严格的进行制定。清凉解表、清热解
词汇是语言学习包括听说读写在内的基本技巧。研究表明，没有词汇，一个人无法成功掌握一门语言。在词汇学习的过程中，词汇学习策略起了很大的作用，因为词汇习得是一个无止境的过程
中共中央办公厅《关于解决形式主义突出问题为基层减负的通知》明确提出2019年为“基层减负年”，针对解决文山会海、年终检查、专项考核等方面存在的形式主义突出问题，为基层减
《三宝太监西洋记通俗演义》是成书于明晚期万历年间，即十六世纪下半期十七世纪初的一部章回小说。书中的语气词很丰富，但据所能获得的资料，这些语气词几乎还没有什么文章谈到，甚
大范围、长时期的人工造林是人类改变自然生态最为有力的活动之一，也是提高森林覆盖率、保持水土、固沙防尘的最有效方法，同时还是人类反思自己、敬畏自然的一种最直接的表达方
在翻译界中，一个长期受到人们忽略和轻视的领域—实用翻译，正随着科技和全球经济一体化的发展变得越来越重要。而汉英实用翻译，对于中国走向世界发挥着重大的作用。但是，在不少的
晋阳城始建于春秋中晚期公元前497年,历经汉晋、南北朝、隋唐、五代,到宋太平兴国四年（979年）宋太宗赵光义火烧水灌毁灭.晋阳城从建成到废弃连续1500年使用,城址没有大的移动;