原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
基于URL定位信息的BBS数据挖掘方法研究.pdf
第30卷第4期 科技通报科技通报 Vol.30 No.4
2014年4月 BULLETINOFSCIENCEANDTECHNOLOGY Apr. 2014
基于URL定位信息的BBS数据挖掘方法研究
1 2
赵 哲 ，马晓珺
（1.安阳师范学院计算机与信息工程学院，河南安阳455000；2.安阳师范学院公共计算机教学部，河南安阳 455000）
摘 要：利用Web页面的采集序位和被检索页面的相关信息和主题，使得以主题为分块的网络爬虫算
法，能够尽可能多地把整个Web按照主题为依据进行分块整合，可以采用对URL定位信息，提高了页
面的高效检索能力。仿真实验中表明，提出的主题相关爬虫算法能够跨越BBS中URL网页中的断裂
带，提高了URL网页的召回率，也不至于因为网页的断裂而中止检索。算法精度分析表明，误判点都在
等分线附近徘徊，偏差不大，表明算法精度较高。
关键词：网络爬虫算法；URL定位信息；BBS信息检索；数据挖掘
中图分类号：TP393 文献标识码：A 文章编号：1001-7119（2014）04-0206-03
StudyonAlgorithmofBBSDataMiningBasedonURLLocationInformation
ZhaoZhe ，MaXiaojun1 2
(1.Departmentof InformationEngineeringAnyangNormalUniversity,AnyangHenan455000,China;
2.ComputerTeachingDepartmentofAnyangNormalUniversity,AnyangHenan455000,China)
Abstract:ThecollectionsequencesofWebpagesandtherelativeinformationandfocusesweretakeninuse,andmadethe
networkcrawleralgorithmdivideandintegratetheWebpagesbasedonthefocuses,theURLlocationinformationwasused
andtheperformanceofefficientretrievalforthepageswasimproved.Simulationandexperimentsweretakenbasedonthe
realBBS,andresultshowsthatthefocusedrelativecrawleralgorithmwhichproposedherecanovercomethefracturezone
oftheURLpagesintheBBS,andtherecallrateofURLinformationisimprovedandtheretrievalcannotbediscontinued
forthefracture.Theprecisionanalysisresultofthealgorithmshowsthattheerroneousjudgepointsaredistributedaround
theaccuratejudgeline,theresultisgood.
Keywords:networkcrawleralgorithm;URLlocationinformation;BBSinformationretrieval;datamining
0 引言 挖掘和检索，从而充分提高了页面的高效检索能力。
电子公告栏系统（BulletinBoardSystem,BBS）是随 1 BBS 网页URL特征分析及结构构
着网络信息技术的发展而生的一种新兴的网络信息互 建
动互享交流平台系统[1-3
文档评论（0）