Nutch 插件 Anthelion

jopen 8年前

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

示例:

项目主页:http://www.open-open.com/lib/view/home/1450188167750