雅虎开源的Nutch爬虫插件 Anthelion

网络爬虫
编辑评级:
分享:

项目基本信息

开发协议 Apache
操作系统 Windows  Linux  OS X 
开发语言 Java
项目所有者 yahoo
所属公司 Yahoo
收录时间 2016-03-03

项目介绍

Anthelion 是 Nutch 插件,专注于爬取语义数据。

注意:此项目包括完整的 Nutch 1.6 版本,此插件放置在 /src/plugin/parse-anth

Anthelion 使用在线学习方法来基于页面上下文预测富数据 Web 页面,从之前查看的页面提取的元数据获取反馈。

主要有三个扩展:

  1. AnthelionScoringFilter

  2. WdcParser

  3. TripleExtractor

Architecture

示例:

Architecture



同类项目推荐

相似项目推荐

Yahoo的其他项目

相关教程