傅向華　馮博琴　馬兆豐　何　明

摘要：將Web爬行看作執(zhí)行序列動(dòng)作的過程，結(jié)合改進(jìn)的快速Q(mào)學(xué)習(xí)和半監(jiān)督貝葉斯分類器，提出一種新的具有在線增量自學(xué)習(xí)能力的聚焦爬行方法．該方法從獲取的頁面中抽取特征文本，根據(jù)特征文本評(píng)估頁面的主題相關(guān)性，預(yù)測鏈接的Q值，然后基于Q值過濾無關(guān)鏈接．當(dāng)?shù)玫街黝}相關(guān)頁面時(shí)產(chǎn)生回報(bào)，將回報(bào)沿鏈接鏈路反饋，更新鏈路上所有鏈接的Q值，并選擇相應(yīng)的特征文本作為訓(xùn)練樣本，增量地改善主題評(píng)估器和Q值預(yù)測器．實(shí)驗(yàn)結(jié)果表明，該方法具有很快的自學(xué)習(xí)能力，獲取的頁面數(shù)目和精度均優(yōu)于離線聚焦爬行方法，更符合Web資源發(fā)現(xiàn)的要求．關(guān)鍵詞：資源發(fā)現(xiàn)；聚焦爬行；在線學(xué)習(xí)；半監(jiān)督學(xué)習(xí)中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：0253—987X(2004)06—0599—04