面向Web的VSM分类器训练、OSSP页面识别及OSS资源提取方法

摘要

本发明提供了面向Web的VSM分类器训练、OSSP页面识别及OSS资源提取方法。其中，VSM分类器训练方法包括：基于OSSP页面识别特征向量，用初始样本集训练VSM分类器；所述OSSP页面识别特征向量是：在软件版本控制管理关键词、邮件列表关键词、Bug跟踪关键词、开发者列表关键词、证书关键词、修改日志关键词、任务列表关键词，以及软件控制管理命令中选取其中7项或选择全部8项作为分量而组成的VSM分类器特征向量。OSSP页面识别方法则是根据所训练出的VSM分类器识别出Web页面是否为OSSP页面。OSS资源提取方法则是在所识别出的OSSP页面中查找OSS资源并将其下载到本地。本发明能够显著提高面向Web的OSSP页面识别的精确度；够提高OSS资源搜索和下载的完备性；能够更准确地获取OSS资源。

主权项

一种面向Web的VSM分类器训练方法，包括：基于OSSP页面识别特征向量，用初始样本集训练VSM分类器；所述OSSP页面识别特征向量是：在软件版本控制管理关键词、邮件列表关键词、Bug跟踪关键词、开发者列表关键词、证书关键词、修改日志关键词、任务列表关键词，以及软件控制管理命令中选取其中7项或选择全部8项作为分量而组成的VSM分类器特征向量。