我一直在思考这一段时间，所以我想我会要求建议：算法：确定主页的类型？
我有一些履带其进入一些网站的根目录（可能是从www.StackOverFlow.com，WWW什么。有些个人网站，甚至www.Facebook.com）。然后，我需要determin“主页的那种”什么，我参观。不同的类型可以是例如：
我一直在集思广益一会儿，而且最好解决方案似乎是一个启发式的点系统。我的意思是不同的趋势给不同的类型提供了一些意见，然后程序在之后进行猜测。
但是，这是我卡住的地方..你如何检测趋势？
但我真的不能找到太多的趋势。
SO：我的问题是： 有关如何做到这一点的任何想法？
感谢这么多..
你可以训练neural network识别它们。给它链接的数量/类型，也可以是HTML标签的类型。
我认为，否则你只是第二次猜测是什么让一个网站是什么。
是的 - 我昨天开始建立一个神经网络。这是一个好主意。 你会给它像1000个网站和类型作为输入，使它从中学习..然后给它1000多..直到它已经学到足够了？ – 2010-10-15 11:57:39
我认为你只需要继续训练，直到你有可接受的误报数量。 – Skilldrick 2010-10-15 12:37:16
良好的机器学习实践是将您的数据划分为训练和测试集（以及更适合的开发集），以防止过度配合。 – 2010-10-15 12:57:23
我相信你正在尝试文档分类，这是一个深入研究的主题。
http://en.wikipedia.org/wiki/Document_classification
你会看到许多不同的方法相当的名单。但是在确定“趋势”之前，建议其中的任何一个（或神经网络或类似的），因为你称之为“趋势”是提早建议它。我会建议寻找“网页文档分类”等。它显然是文档分类的一个重要子集，如果你有机会获得学术期刊，那么有很多不可理解的文章可供你享受。
我也发现你的想法是一项家庭作业 - 也许如果你特别大胆，你可以联系教授。 http://uhaweb.hartford.edu/compsci/ccli/wdc.htm
最后，我认为，这是一个可访问（如格式化奇怪）网站，有一个一般的，也许过时的讨论： http://www.webology.ir/2008/v5n1/a52.html
我怕我没有的很多个人知识主题，所以我能做的最多的是告诉你关键词“文档分类”，并提供一些快速的谷歌搜索。但是，如果我想玩这个概念，我认为只是寻找某些关键字的比率是一个体面的开始“趋势”。 （“销售”或“购买”或“客户”是购物网站的趋势，“我的”，“意见”，“博客评论”等）
谢谢！ :-)真的很好！帮助了很多... – 2010-11-16 13:28:13
解决方案可能是企业的基础。这可能不是一个简单的问题来完善这样的算法 – 2010-10-15 11:48:36
阅读一本关于机器学习/数据挖掘的好书。 – 2010-10-15 12:18:06
使用人类 - 亚马逊机械土耳其使得它真的很便宜的大量这样的。 – 2010-10-15 19:15:16