基于本体语义的定题爬虫

摘要：

定题爬虫能迅速获取网络上特定主题的大量信息,对专业搜索引擎及数据挖掘应用都具有重大价值.针对目前通用的基于关键词主题过滤策略的不足,在概念聚集思想启发下,提出了基于本体语义的主题过滤策略.同时根据网页具有不同位置不同信息重要性的特点,提出了改进的加权特征项权值计算公式,实现基于语义的网页实时过滤.为进一步提高爬虫的工作效率提出链接相关度预测算法.对比实验表明此策略具有可行性.

关键词： 定题爬虫 主题过滤 本体语义 链接分析

作者: 郑健珍 林坤辉 周昌乐 康恺

作者单位: 厦门大学,软件学院,福建,厦门,361005 厦门大学,信息科学与技术学院,福建,厦门,361005

会议类型: 国内会议

会议名称: 第四届全国搜索引擎和网上信息挖掘学术研讨会(SEWM2006)

会议地点: 济南

会议语种:中文

页码: 90-94

在线出版日期: 2006-07-21（万方平台首次上网日期，不代表论文的发表时间）