原创力文档- 1、本文档共3页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第36 卷 第8 期 计 算 机 工 程 2010 年4 月
Vol.36 No.8 Computer Engineering April 2010
·开发研究与设计技术· 文章编号：1000—3428(2010)08—0286—03 文献标识码：A 中图分类号：TP311.5
基于共现词查询的主题爬虫研究
葛 玲，蒋宗礼
(北京工业大学计算机学院，北京 100124)
摘 要：通过建立一个共现词库改进主题模型，以提高下载网页的主题相关度及质量，并且能描述其语境的上下文，揣测用户意图，调节
检索结果排序。在此基础上设计并实现一个FDC 主题爬虫系统，该系统采用改进的主题敏感FDCRank 算法来计算网页优先级。实验
表明其效果良好。
关键词：主题爬虫；共现词；FDC 主题模型；FDC_Topic Sensitive PageRank 算法
Research of Co-occurrence Words Search-based Topic Crawler
GE Ling, JIANG Zong-li
(College of Computer, Beijing University of Technology, Beijing 100124)
【Abstract 】This paper improves the topic mode through a co-occurrence words database. The topic mode can advance the rate of relationship and
quality. Besides, it can describe the environment of key words, conjecture the purpose of users and adjust the rank of search result. A topic crawler
system which employs topic sensitive FDCRank to predict the priority of Web page is designed and implemented. Experiments show the
system performs well.
【Key words 】topic crawler; co-occurrence words; FDC topic model; FDC_Topic Sensitive PageRank algorithm
1 概述 Selector Visit
相对通用搜索引擎，主题搜索引擎的检索范围较小，所 FDC-Topic
Model
Add Return
需计算机资源较少，查准率和查全率易于保证。主题爬虫是 URLs
主题搜索引擎的基础与核心。基本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。其核心技术是网页 URL Priority Queue
的主题相关性预测与网页优先级的计算，通过对待爬网页的
文档评论（0）