一种基于时间序列预测的重采策略

一种基于时间序列预测的重采策略

论文摘要

及时获取新增内容,是采集器的重要衡量指标。基于版块页-内容页架构设计的网络采集器通过定期重采入口的版块页,能够有效地快速识别新产生内容页面并进行扩展。然而获取内容的实时性与对网站访问的友好性存在一定的折中。传统的重采策略关注时效性,而忽略了对网站访问的友好性。该文提出了一种基于时间序列预测的改进重采策略兼顾时效性和友好性。实验表明,该方法可以在保证数据采集实时性的情况下,有效降低访问量,提升对网站访问的友好性。

论文目录

  • 0 引言
  • 1 相关工作
  •   1.1 WEB时序动态演化
  •   1.2 WEB新增内容发现
  •   1.3 时间序列预测
  • 2 本文工作
  •   2.1 问题定义
  •   2.2 时间序列预测模型TSP
  •   2.3 改进的重采策略TSP-RC
  • 3 实验与分析
  •   3.1 数据集
  •     DataSet-1:微信公众号数据
  •     DataSet-2:新闻门户数据
  •     DataSet-3:微博数据
  •   3.2 评价标准
  •   3.3 参数设置
  •   3.4 比较方法
  •   3.5 实验结果
  • 4 总结与展望
  • 文章来源

    类型: 期刊论文

    作者: 史存会,孟剑,俞晓明,刘悦,靳小龙,程学旗

    关键词: 网络采集,采集策略,时间序列预测

    来源: 中文信息学报 2019年07期

    年度: 2019

    分类: 信息科技,基础科学

    专业: 数学,互联网技术

    单位: 中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室,中国科学院大学

    基金: 国家重点研究计划项目(2017YFC0820404),国家杰出青年基金(61425016),国家自然科学基金(91746301)

    分类号: TP393.092;O211.61

    页码: 101-109

    总页数: 9

    文件大小: 1162K

    下载量: 93

    相关论文文献

    • [1].基于经验模态分解生成对抗网络的金融时间序列预测[J]. 计算机应用与软件 2020(05)
    • [2].卡尔曼滤波及其在时间序列预测中的应用[J]. 仪表技术 2010(07)
    • [3].基于逆模糊数的模糊时间序列预测的新方法[J]. 数学的实践与认识 2015(07)
    • [4].一型模糊逻辑系统在时间序列预测中的应用[J]. 辽宁工业大学学报(自然科学版) 2012(05)
    • [5].基于灰色时间序列预测中国汽车销量[J]. 湖州职业技术学院学报 2012(01)
    • [6].基于加权支持向量机的金融时间序列预测[J]. 商业研究 2010(01)
    • [7].核函数支持向量机的时间序列预测应用研究[J]. 消费导刊 2008(10)
    • [8].预则立——时间序列预测技术之广电业务应用[J]. 中国数字电视 2011(10)
    • [9].时间序列预测的发展与应用[J]. 兵工自动化 2015(02)
    • [10].基于MATLAB的时间序列预测[J]. 电脑知识与技术 2015(29)
    • [11].模糊时间序列预测的连续点逆模糊数预测模型[J]. 黑龙江大学自然科学学报 2014(03)
    • [12].基于SVM的死亡率时间序列预测设计与分析[J]. 中国卫生统计 2010(01)
    • [13].基于灰关联分析的多因素时间序列预测研究与应用[J]. 漳州职业技术学院学报 2009(04)
    • [14].时间序列预测技术综述[J]. 信息通信 2018(11)
    • [15].基于TensorFlow的时间序列预测系统[J]. 现代计算机 2019(14)
    • [16].Granger相关性与时间序列预测[J]. 控制与决策 2014(04)
    • [17].犯罪时间序列预测分析方法研究——以CrimeStat软件为例[J]. 中国人民公安大学学报(自然科学版) 2019(02)
    • [18].基于混合模型的模糊时间序列预测的研究[J]. 辽宁工业大学学报(自然科学版) 2015(03)
    • [19].基于最小二乘支持向量机的复杂金融时间序列预测[J]. 清华大学学报(自然科学版)网络.预览 2008(07)
    • [20].对于不平衡数据的模糊时间序列预测[J]. 计算机与现代化 2017(12)
    • [21].电子系统状态时间序列预测的优化相关向量机方法[J]. 系统工程与电子技术 2013(09)
    • [22].基于多尺度层级LSTM网络的时间序列预测分析[J]. 计算机科学 2019(S2)
    • [23].混合多个SVR模型的金融时间序列预测[J]. 微型电脑应用 2013(03)
    • [24].多任务LS-SVM在时间序列预测中的应用[J]. 计算机工程与应用 2018(03)
    • [25].一种新的基于DFNN的时间序列预测[J]. 科学技术与工程 2010(32)
    • [26].用小波分析和支持向量机的方法预测精度损失[J]. 工业计量 2009(01)
    • [27].基于加权核函数SVR的时间序列预测[J]. 现代计算机(专业版) 2019(06)
    • [28].WFAR模型在时间序列预测中的应用[J]. 沈阳师范大学学报(自然科学版) 2019(01)
    • [29].基于改进SVC的金融时间序列预测[J]. 现代商业 2014(05)
    • [30].混合模型在经济时间序列预测中的应用研究[J]. 计算机仿真 2011(06)

    标签:;  ;  ;  

    一种基于时间序列预测的重采策略
    下载Doc文档

    猜你喜欢