作者：许鑫; 黄仲清; 邓三鸿互联网信息信息采集正文抽取侨情
摘要：采用通用搜索引擎与垂直搜索引擎相结合的互联网主题信息采集策略，提出多种防屏蔽技术相结合的网络采集防屏蔽解决方案，改进一种基于文本密度的网页正文抽取方法，利用基于分词的向量空间模型和余弦夹角公式实现基于内容的标题去重，并设计一个面向侨情的互联网主题信息采集系统。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《数据分析与知识发现》（CN：10-1478/G2）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《数据分析与知识发现》内容定位于广泛吸纳计算机科学、数据科学、情报科学以及数字科研、数字教育和数字文化等领域的技术与方法，研究数据驱动的语义计算、内容分析、数据挖掘、知识发现、智能管理和决策支持等方面的技术、方法、系统以及支撑设施、政策与机制等，尤其是聚焦从海量、异构、分布、动态、甚至富媒体数据中挖掘和发现知识以支持研究、管理和决...
