数据挖掘中映射数据的算法

发布于 2024-11-07 09:15:55 字数 203 浏览 4 评论 0原文

我需要抓取一些网页并从中提取内容。我计划选择一些特定的关键字并映射与它们有某种关系的数据。但我不知道如何才能做到这一点。谁能建议我一些算法来做到这一点?

例如,我需要下载一些关于苹果的网页,并将关于苹果的相关数据映射到它并存储在数据库中,这样,如果有人需要有关它的具体信息,我可以快速准确地提供。

此外,指出有用的库也会很有帮助。我打算用 python 来做。

I need to scrape some webpages and extract content from them. I'm planning to select some specific keywords and map the data that has some relationship b/w them. But I have no Idea, how I could do that. Could anyone suggest me some algorithms for doing it?.

For example I need to download some webpages about apples and map the relevant data about apples to it and store in database so that, if someone needs specific information about it, I could provide it fastly and accurately.

Also it would be helpful pointing out helpful libraries too. I'm planning to do it in python.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(2

淡墨 2024-11-14 09:15:55

看看NLTKPatternOrange 模块。

Toby Segaran 的《集体智慧编程:构建智能 Web 2.0 应用程序》是一本好书阅读。

Have a look at NLTK, Pattern or Orange modules.

As a start "Programming collective intelligence: building smart web 2. 0 applications" by Toby Segaran is a good book to read.

心安伴我暖 2024-11-14 09:15:55

您可以尝试基于词频-逆文档频率的算法TF-IDF< /a>,在 Java 中我会推荐 Solr ...实际上你可以使用 Solr 并访问它与 python 参见此处

You could try algorithms based on term frequency–inverse document frequency TF-IDF, in Java I would recommend Solr ... well actually you could use Solr and access it with python see here

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文