娱乐 【来一读论文吧-第二期】网站之中的数据提取~

[AlGoRiThM]

论文标题：Trafilatura: A Web Scraping Library and Command-Line Toolfor Text Discovery and Extraction

论文领域：NLP / Machine Learning / Data Mining

 

推荐原因：

数据挖掘在数据分析/机器学习的数据收集过程中一个很重要的步骤。这个论文很有意思在于他对于网站结构进行了解析，并且研究出了一个对于大多数网站通用的model。由于还没读完，但是从下图可以看出来这个的表现是很不错的~

如果有人有更好的模型也可以推荐推荐，让我cp一下我下周例会要说点啥hhh

 

真实原因：

导师让我读的，但总不能我一个人受苦不是~

[rance9]

为什么不来试试最近很火的crispr cas9呢

一月 22, 2022，由rance9修改

[AlGoRiThM]

8 小时前, rance9 说道:

为什么不来试试最近很火的crispr cas9呢

好活，我去瞅瞅！不对啊，这玩意是有机化学？

一月 22, 2022，由AlGoRiThM修改

[白團醬]

14 小时前, AlGoRiThM 说道:

好活，我去瞅瞅！不对啊，这玩意是有机化学？

應該是生物醫學?

[rance9]

于 2022/1/22 于 PM6点49分, AlGoRiThM 说道:

好活，我去瞅瞅！不对啊，这玩意是有机化学？

啊这 你这回复不对劲啊 怎么这么正常

[GMRK]

读论文都办到第二期了吗

（受到惊吓）

[提辖]

草 还有这么有意思的活动么 下一期带我一个 我也整点communication论文折磨大众

[AlGoRiThM]

2 小时前, rance9 说道:

啊这 你这回复不对劲啊 怎么这么正常

因为看论文而已啦，有什么正常不正常的

[AlGoRiThM]

1 小时前, GMRK 说道:

读论文都办到第二期了吗

（受到惊吓）

可不是就是个正规学习网站

[AlGoRiThM]

37 分钟前, 提辖 说道:

草 还有这么有意思的活动么 下一期带我一个 我也整点communication论文折磨大众

发！大家一起受苦吧！