網站分類到博客，新聞或論壇

我想知道是否有任何已知的方法將網站按照HTML級別存在的結構模式分類爲博客，新聞，論壇（或其他類型的CMS類型）而不是純粹的內容。我不認爲只有基於文本的分析才能區分這種類型的分類嗎？直觀地說，特別是對於博客/新聞和論壇之間的區別，關於結構模式的頻率和多樣性（模式可以是例如代表標記路徑的XPath表達式）有明顯的區別。我如何選擇這些結構特徵，以便達到分類目標？有沒有成功的開源方法？網站分類到博客，新聞或論壇

來源

2013-10-31 marilena.oita

你想看看HTML元素只（不包括其文本內容）看一下嗎？那麼'

'而不是'

Author: John

'？ – unor

我想在分類任務中使用文本特徵，但也要結構化。統計例如重複結構模式的數量（如元素的HTML編碼，可能抽象非常具體的屬性 - 沒有文本）。例如在論壇上，這個數字會高於新聞頁面（除非頁面的評論數量很高......）。 –

您可以通過添加某些屬性的HTML標記

使用谷歌提出的結構化內容的方法就拿這裏http://schema.org/docs/gs.html

來源

2013-10-31 17:37:31 boksiora

對不起，我不確定我明白這將如何幫助。 –

網站分類到博客，新聞或論壇

回答

相關問題