求各种推荐指导，毕设题目是《垃圾网页检测及其在垂直搜索中的应用》，作为大四毕业生还没有做过类似的项目，不知从何入手，希望有大牛能指点一二～
Huntor · 2012-03-08 13:19:41 +08:00 · 4695 次点击这是一个创建于 4641 天前的主题，其中的信息可能已经有所发展或是发生改变。
 |
1
shellex 2012-03-08 13:28:50 +08:00
类似内容审查吧。关键是怎么你们定义垃圾网页的？
|
 |
2
Huntor OP 毕设只有题目，关于垃圾网页的界定，可以由自己判断，通常对于垃圾网页的定义：不能为用户提供有效信息，仅仅为了提升在搜索结果中的排名。另外，关于这本书《开发自己的搜索引擎-Lucene 2.0+Heritrix》谁有电子版的可以发我吗？
|
 |
3
Tianpu 2012-03-08 14:39:13 +08:00 via iPad
我觉得可以从机器学习的角度考虑
对应着比如垃圾邮件就有比较成熟的方案，傅立叶级数筛选什么的 具体参考ruanyifeng.com的某一篇博客，有不错的入门介绍 |
 |
5
kfc315 2012-03-08 17:02:56 +08:00
俺不做这一块儿。
不过，进入一个新领域前，google scholar 和 arnetminer.org 会是最好的工具。 找一些 survey / review 之类的看看吧。这种课题不可能没有人没做过。 @Tianpu 说的那篇博客是《黑客与画家》中的一章。这本书很好，推荐。 |
 |
6
wong2 2012-03-08 17:16:30 +08:00
|
|
7
Huntor OP 感谢楼上各位给予的帮助，《黑客与画家》这本书虽然一直有听过，但是没怎么看过，正好借此机会，仔细研究下这本书～
|
 |
8
Ricepig 2012-03-09 20:30:14 +08:00
用贝叶斯，或者SVM吧
其实感觉很多垃圾邮件过滤的技术可以直接用 |
 |
9
hq5261984 2012-03-09 21:38:34 +08:00
这个往深了说就是语义网络。
单靠关键字肯定不行。涉及到人工智能N复杂，你们导师出这个题目，他自己都不懂，国内没几个能搞明白的。随便写写忽悠他吧。 |
|
10
Huntor OP 语义网络？人工智能？介个表示压力越来越大。。。记得某童鞋说过：咱搞技术的，写论文就算要忽悠，也要忽悠出技术含量～
|
 |
11
sobigfish 2012-03-11 01:21:22 +08:00 via iPad
按分数来怎么样广告多20分（粗略的算法）flash/控件多20 全是关键词，没有完整的文章80 没有原创50。只要分数高于60就算垃圾网站了
|
 |
12
tttwww18 2012-03-11 01:29:50 +08:00
一两句说不清，自己看论文学吧
http://ilpubs.stanford.edu:8090/646/1/2004-25.pdf https://wiki.engr.illinois.edu/download/attachments/188588798/WebSpamSurvey.pdf?version=1&modificationDate=1318004145000 涉及一些基本思想和个别算法，希望能给你思路 （英文看得蛋疼就看中文吧，给个中文博客给你 http://hi.baidu.com/shichunqi/home） |
 |
13
argentum 2012-03-11 12:28:02 +08:00
lz毕设咋弄这么学术的、、、我见过的有计算机重点学科的985也有人在做图书管理系统啊、、、
|
 |
14
freefcw 2012-03-11 12:48:24 +08:00
这个题目还真是噱头大。。。如果真要说做的话，估计光垃圾网页的检测这个课题我估计就可以做一堆博士出来了= =
但是我真的不知道垃圾网页的检测和垂直搜索有啥关系。。。怎么扯上来 |
Select Language