代码之家 › 专栏 › 技术社区 › Cerin

基于搜索引擎的Web挖掘

data-mining web-crawler machine-learning

Cerin · 技术社区 · 14 年前

当我意识到这是多么不必要的重复和低效时,我正在通过谷歌地图(Google Maps)购买公寓,将各种清单复制到电子表格中,这样我就可以更容易地进行比较和附加注释。我可以很容易地编写一个脚本来自动查询Google并提取我需要的数据,但是要获得一些数据(例如,联系电话号码)需要我跟踪到一个列表特定站点的链接并四处搜索数据,而且我从来没有编写过这样动态的web爬虫程序。对于给定任意HTML的信息,常用的数据挖掘和/或机器学习技术和工具是什么?

2 回复 | 直到 14 年前

aartist 14 年前

这不是后端技术,但如评论中所述是有帮助的。去吧 http://www.google.com/squared 然后将结果导出为Google电子表格或csv数据。它为您命名字段并从web填充数据。

Neil McGuigan 14 年前

这叫做信息提取。

这段视频不错。这家伙来自谷歌:

http://videolectures.net/mlas06_nigam_tie/

推荐文章

SkyWalker · 如何使“UnfinedMetricWarning”静音?

5 月前

Morph3us · 我如何确定谁将赢得罗马尼亚下一届预选赛?[关闭]

6 月前

explorer · AWS SageMaker项目模板创建失败

9 月前

nicklaus-slade · 交叉验证函数返回“未知标签类型:(数组([0.0,1.0],dtype=object),)”

11 月前

Adrian Zambrana · ValuerError:发现样本数不一致的输入变量

11 月前

Kamugg · 在PyTorch中使用不同分辨率图像训练DeepLabV3的最佳实践

11 月前

me0076 · 使用LLM提取多个实体

1 年前

staplegun · scikit中的gbrt_minimize如何决定要尝试多少个参数拆分

1 年前

Chinmaya Tewari · 创建新csv文件时权限被拒绝

1 年前

Seán Healy · LSTM或变压器模型是否有任何可逆实现?

1 年前