1 / 15

Hotness Search

Hotness Search. Group SWL. Motivation. 163. 腾讯. SOHU. Who is Hottest today??. 新华网. YAHOO. Motivation. 还是我比较火吧？. 最近曝光率咋样？. Hotness Definition. 思路 : 在各大门户网站上，当天出现的频率。 得分计算公式： 如果名字出现在 title 中，得分为 1 如果名字仅出现在内容中， 得分为人名出现个数 / 总人名数. Here we are ： Hotness Search.

ankti
Télécharger la présentation

Hotness Search

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Hotness Search Group SWL

  2. Motivation 163 腾讯 SOHU Who is Hottest today?? 新华网 YAHOO

  3. Motivation 还是我比较火吧？ 最近曝光率咋样？

  4. Hotness Definition • 思路:在各大门户网站上，当天出现的频率。 • 得分计算公式： • 如果名字出现在title中，得分为1 • 如果名字仅出现在内容中， 得分为人名出现个数/总人名数

  5. Here we are ：Hotness Search

  6. Search Hotness

  7. Implementation WEB 从种子站点中抓取初始网页 UI Crawler ParseTool分析crawler抓取的网页，提取人名日期领域等信息 Ajax by Dojo ParseTool Rest Service JPA JPA(Hibernate) 包装数据库 DB 将分析得到的数据存入数据库 提供查询访问接口

  8. 1月5日排名分析 周慧敏 倪震结婚 09春晚小品彩排现场曝光 赵本山亮相 赵本山请蒋雯丽演小品遭拒

  9. 1月8日排名分析 赤壁上映 吴宇森，赵薇，林志玲，梁朝伟 ,诸葛亮 章子怡被偷拍 章子怡回国内开工拍《非常完美》 纪念周恩来逝世33周年

  10. 1月11日 排名分析 国家质检总局局长王勇在全国质检工作会议上发言 小野丽莎北京个唱--问候中国观众 小野丽莎唱《玫瑰人生》温暖奥体 张卫健张茜公布婚纱照 张怡宁王浩捧杯 乒乓球队员多 《赤壁》香港宣传 赵薇、林志玲双姝争艳

  11. Demo

  12. Statistics • 总抓取的网页数：71万余个 • 不重复的新闻网页：4万余个 • 新闻人物：约每天8000个 • 每次抓取时间：4小时 • 每次数据处理时间：5小时

  13. Thanks!

More Related