La evitación de la desviación del tema y la habilitación para cruzar túneles son dos dificultades principales en el rastreo enfocado. Para superar el problema de la desviación temática, diseñamos un método de evaluación integral de prioridad (CPE) basado en el texto web, el texto ancla y el contexto de los hipervínculos, que mejora la evaluación de la relevancia temática de los hipervínculos no visitados. Posteriormente, proponemos un clasificador bayesiano mejorado con pesos (BCW), que añade pesos de etiquetas a las palabras características del clasificador bayesiano para mejorar la precisión de la clasificación de páginas web. Para cruzar túneles a través de los cuales se pueden alcanzar algunas páginas web relevantes desde páginas de baja relevancia, construimos una tecnología de segmentación de bloques de contenido (CBS) para páginas web basada en el método de retroceso, que segmenta una página web en múltiples bloques y luego juzga la relevancia de cada bloque de contenido, extrayendo hipervínculos con alta relevancia integral. Finalmente, se propone una estrategia de rastreo enfocado basada en BCW que combina las estrategias CPE y CBS (BCW_CC) y se evalúa experimentalmente para el rastreo enfocado en dos dominios: desastres por tormentas lluviosas y deportes. Los resultados demuestran la efectividad del método BCW_CC desarrollado.

Rastreador enfocado (FC);Clasificador bayesiano;Recuperación de información;Evaluación de prioridad