用于提高 RSS 源数据质量的自动化系统
信息检索
2015-04-08 v1
摘要
如今，大多数 RSS 源提供的新闻项目信息不完整。信息的缺乏导致用户参与度下降。我们提出了一种新的自动化系统来提高 RSS 源的数据质量。RSS 源提供按日期排序的最新新闻项目列表。因此，这使得网络爬虫能够精确定位项目并提取其原始内容。然后，系统识别主要内容的位置并提取：主要文本语料库、相关关键词、双词组 (bigrams)、最佳图像，并预测项目的类别。系统的输出是增强型的 RSS 源。所提出的系统显示，平均项目数据质量从 39.98% 提高到了 95.62%。
引用
@article{arxiv.1504.01433,
title = {Automated System for Improving RSS Feeds Data Quality},
author = {Joan Hurtado},
journal= {arXiv preprint arXiv:1504.01433},
year = {2015}
}
备注
10 pages