位置:成果数据库 > 期刊 > 期刊详情页
基于事件驱动的车型参数主题爬虫
  • ISSN号:1003-3254
  • 期刊名称:《计算机系统应用》
  • 时间:0
  • 分类:TP312[自动化与计算机技术—计算机软件与理论;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]湖南科技大学计算机科学与工程学院,湘潭410128
  • 相关基金:国家自然科学基金(50775070);湖南省科技厅项目(2009FJ4055);湖南省教育教育厅项目(10K023)
中文摘要:

网络上的大量数据都隐藏在深层网络中,普通的主题爬虫只能抓取表层数据,而对深层数据的抓取则力不从心。通过建立模拟事件驱动模型,采用基于链接的BM改进过滤算法和基于向量空间模型的内容过滤算法,结合汽车车型参数主题,利用Htmlparser解析动态生成的页面,对其进行结构化处理后将数据存储于索引数据库中,由此实现车型信息的自动抽取和解析。实验结果表明,该系统模型针对同领域数据具有良好的事件触发适应性和高过滤准确率。

英文摘要:

Large amounts of data on the Internet were hidden in the deep Web. Traditional topic crawler could only get surface data, and crawl the deep data was powerless. This paper established simulation model of Event-Driven, Used improved filtering algorithm based on BM by links, and content filtering algorithm based on VSM(vector space model), with model parameters of car, used Htmlparser to analysis dynamically generated pages, processed their structures to store in database, thus achieve extraction and parsing of car's information. The results of experimental show that the model for the same field datas has a good event trigger adaptability and high filtering accuracy.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机系统应用》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院软件研究所
  • 主编:苏振泽
  • 地址:北京8718信箱
  • 邮编:100190
  • 邮箱:csa@iscas.ac.cn
  • 电话:010-62661041
  • 国际标准刊号:ISSN:1003-3254
  • 国内统一刊号:ISSN:11-2854/TP
  • 邮发代号:82-558
  • 获奖情况:
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2000版)
  • 被引量:15201