中文RSS信息自动检索与分类研究

doi:10.3969/j.issn.1000-3428.2011.06.028

计算机工程 ›› 2011, Vol. 37 ›› Issue (6): 79-81.doi: 10.3969/j.issn.1000-3428.2011.06.028

中文RSS信息自动检索与分类研究

李庆诚，左珊珊，董振华，张金

(南开大学信息技术科学学院，天津 300071)

出版日期:2011-03-20 发布日期:2011-03-29
作者简介:李庆诚(1964－)，男，教授、博士生导师，主研方向：嵌入式系统，信息安全；左珊珊，硕士；董振华，博士；张金，讲师
基金项目:
天津市软件产业发展专项基金资助项目(07FZRJFX01300

Research on Automatic Retrieval and Classification for Chinese RSS Information

LI Qing-cheng, ZUO Shan-shan, DONG Zhen-hua, ZHANG Jin

(College of Information Technical Science, Nankai University, Tianjin 300071, China)

Online:2011-03-20 Published:2011-03-29

摘要/Abstract

摘要：

设计并实现了RSS垂直爬虫算法，利用广度优先算法聚焦于RSS源进行自动采集，并在文本分词基础上，针对RSS源进行词语权重计算方法的改进及词语过滤，利用VSM方法实现RSS自动分类。实验结果表明，RSS系统在较低的负载下，能以较高的效率和正确率实现中文RSS信息自动检索与分类，从而有效进行RSS信息聚合管理。

关键词: RSS, 信息检索, 爬虫, 中文文本分类, 向量空间模型

Abstract:

This paper presents a web crawler fitting for RSS which uses breadth-first algorithm and focuses on RSS to carry out automatically collection. And based on word segment, it improves the method to calculate word weight, works on word filtering, and implements automatically classification aiming at RSS using VSM. Experimental result shows that the system achieves to retrieve and classify Chinese RSS information with lower system cost and higher accuracy. And it can take manage of RSS information syndication effectively.

Key words: Really Simple Syndication(RSS), information retrieval, crawler, Chinese text classification, VSM

中图分类号:

TP311

李庆诚, 左珊珊, 董振华, 张金. 中文RSS信息自动检索与分类研究[J]. 计算机工程, 2011, 37(6): 79-81.

LI Qiang-Cheng, ZUO Shan-Shan, DONG Zhen-Hua, ZHANG Jin. Research on Automatic Retrieval and Classification for Chinese RSS Information[J]. Computer Engineering, 2011, 37(6): 79-81.

[1]	东熠, 刘景发, 刘文杰. 基于多目标蚁群算法的主题爬虫策略[J]. 计算机工程, 2020, 46(9): 274-282.
[2]	张倩倩,田学东,杨芳,李新福. 基于数学文本和表达式转换的融合检索模型[J]. 计算机工程, 2019, 45(3): 175-181,187.
[3]	高军,黄献策. 基于Hadoop平台的相关性权重算法设计与实现[J]. 计算机工程, 2019, 45(3): 26-31.
[4]	刘景发,李新,蒋盛益. 基于网页空间进化算法的暴雨灾害主题爬虫策略[J]. 计算机工程, 2019, 45(2): 184-190.
[5]	张树涛, 谭海波, 陈良锋, 吕波. 一种高效的分布式爬虫系统负载均衡策略[J]. 计算机工程, 2019, 45(11): 62-67.
[6]	塞麦提·麦麦提敏, 司马义·阿不都热依木. 维吾尔语停用词抽取方法研究[J]. 计算机工程, 2019, 45(10): 288-292,300.
[7]	高峰,刘震,高辉. 结合有监督广度优先搜索策略的通用垂直爬虫方法[J]. 计算机工程, 2018, 44(11): 289-299.
[8]	常琳,黄志清,张严心. 基于数据驱动的WSN节点故障诊断算法[J]. 计算机工程, 2017, 43(9): 105-109.
[9]	黄文明,莫阳. 基于文本加权KNN算法的中文垃圾短信过滤[J]. 计算机工程, 2017, 43(3): 193-199.
[10]	王莹,罗准辰,于洋. 基于排序学习模型的微博多样性检索问题研究[J]. 计算机工程, 2017, 43(11): 152-160.
[11]	覃华峥,胡忠顺,阳德青,肖仰华. 基于类别模板挖掘的百科相关实体构建[J]. 计算机工程, 2016, 42(9): 180-185,191.
[12]	石雁,李朝锋. 基于协同相似计算的查询推荐[J]. 计算机工程, 2016, 42(8): 188-193.
[13]	魏勇,胡丹露,郝晨光,欧小平. 基于分类关键词词频模型的地缘政治主题爬虫设计[J]. 计算机工程, 2016, 42(2): 45-50.
[14]	冯小杰,彭勇,吴锡生. 基于平面投影的三维空间定位算法[J]. 计算机工程, 2016, 42(12): 1-4.
[15]	毋光先,刘年义,刘博雅. 基于LWE的BGN类CPA安全加密方案设计与应用[J]. 计算机工程, 2016, 42(12): 118-123.

中文RSS信息自动检索与分类研究

Research on Automatic Retrieval and Classification for Chinese RSS Information

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10