V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
爱意满满的作品展示区。
polythene
V2EX  ›  分享创造

[入门实践] - 怎样用机器学习来提取网页正文

  •  
  •   polythene ·
    polyrabbit · 2018-09-18 11:51:34 +08:00 · 2550 次点击
    这是一个创建于 2287 天前的主题,其中的信息可能已经有所发展或是发生改变。

    这是我第一次用机器学习来解决实际问题。之前一直是知道很多理论知识,但没找到合适的项目练手,后来突然想到可以把我提取Hacker News正文的算法用机器学习重新实现一遍。

    所以有了这篇 Notebook 笔记,希望能够抛砖引玉,启迪更多的人:

    https://github.com/polyrabbit/hacker-news-digest/blob/master/%5Btutorial%5D%20How-to-extract-main-content-from-web-pages-using-Machine-Learning.ipynb

    4 条回复    2018-09-27 11:10:03 +08:00
    ClutchBear
        1
    ClutchBear  
       2018-09-18 12:11:43 +08:00   ❤️ 1
    Newspaper3k ?
    tshwangq
        2
    tshwangq  
       2018-09-18 13:46:49 +08:00   ❤️ 1
    nice
    polythene
        3
    polythene  
    OP
       2018-09-18 17:09:30 +08:00
    @ClutchBear 哇,感谢分享!要是早点知道有这么神奇库,我就不用辛苦的发明轮子了,羡慕人家能把新闻分析做成这么成熟的库~

    @tshwangq Thanks
    GTim
        4
    GTim  
       2018-09-27 11:10:03 +08:00
    过来膜拜下
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   969 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 19ms · UTC 19:11 · PVG 03:11 · LAX 11:11 · JFK 14:11
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.