《机器学习与优化》之文本与网页挖掘025
百科全书将出现全新形式，它会是一张有相互关联的条目贯穿其中的网，被当做记忆的扩展存储器并被放大。------范内瓦。布什
网页包含类型广泛的数据，有些是有结构的，有些是有部分结构的，还有些是完全没有结构的。爬虫和索引都是系统的方法，用以访问网页、收获其中所载的信息，以及为搜索、信息检索和排名准备数据结构。
通过将文本转换成数据向量（例如向量-空间模型中的所选单词的频率），可以重用传统的ML技术，但是网页文档中丰富的结构适用于一些更专门的分析。
网页挖掘技术查找文档（网页链接）之间的显式关系、推断隐式关系（通过聚类）、在连接站点的网络上排名最相关的页面，或在社交网络中识别最相关和人脉最广的人。抽象使我们能对网页和社交网络使用类似的工具。一个值得注意的例子是，超链接和线性代数工具（本证向量和本征值）的使用，过去曾在文献计量学中给研究者排名，如今带来了非常强大的网页排名技术，也是谷歌的搜索引擎技术的基础。
从今往后，你再看到超链接、Facebook上的赞，Twitter上的粉丝到这本书时最流行的社交软件时，你会用不同以往的分析思维和观点来看待它们。
#机器学习##读书笔记#
投递华为等公司10个岗位 >