论文部分内容阅读
提出了一种基于领域本体的相似度计算与基于网页结构的特征向量抽取相结合的分类器构建方案,改进后的WF-TF/IDF模型根据网页各部分对于主题相关的重要程度进行权重分配,同时引用领域本体知识库,将网页与主题的相关程度评价转化为本体中两个概念的相似度计算,扩大了爬虫的抓取范围。实验证明,该方案用于指导主题爬虫的抓取具有很高的灵活性和精确性。