Chrome閱讀模式

提取特征:
extract_features.js會(huì)根據(jù)urls提取html特征以及chrome distilled特征呜舒,分別為name.feature以及name.dfeature
features:

 'opengraph': hasOGArticle(),
 'url': document.location.href,
 'title': document.title,
 'numElements': body.querySelectorAll('*').length,
 'numAnchors': body.querySelectorAll('a').length,
 'numForms': body.querySelectorAll('form').length,
 'numTextInput': body.querySelectorAll('input[type="text"]').length,
 'numPasswordInput': body.querySelectorAll('input[type="password"]').length,
 'numPPRE': body.querySelectorAll('p,pre').length,
 'innerText': body.innerText,
 'textContent': body.textContent,
 'innerHTML': body.innerHTML,
 'mozScore': Math.min(6 * Math.sqrt(1000 - 140), _mozScore(false, 0.5, 140, true, 1000)),
 'mozScoreAllSqrt': Math.min(6 * Math.sqrt(1000), _mozScore(false, 0.5, 0, true, 1000)),
 'mozScoreAllLinear': Math.min(6 * 1000, _mozScore(false, 1, 0, true, 1000)),
 'visibleElements': countVisible(body.querySelectorAll('*')),
 'visiblePPRE': countVisible(body.querySelectorAll('p,pre')),

native:

derived features:

  features = [
    'id', index,
    'sin', math.sin(index),
    'openGraph', opengraph,

    'forum', 'forum' in path,
    'index', 'index' in path,
    'search', 'search' in path,
    'view', 'view' in path,
    'archive', 'archive' in path,
    'asp', '.asp' in path,
    'phpbb', 'phpbb' in path,
    'php', path.endswith('.php'),
    'pathLength', len(path),
    'domain', len(path) < 2,
    'pathComponents', CountMatches(path, r'\/.'),
    'slugDetector', CountMatches(path, r'[^\w/]'),
    'pathNumbers', CountMatches(path, r'\d+'),
    'lastSegmentLength', len(GetLastSegment(path)),

    'visibleRatio', float(visibleElements) / max(1, numElements),
    'visiblePPRERatio', float(visiblePPRE) / max(1, numPPRE),
    'PPRERatio', float(numPPRE) / max(1, numElements),
    'anchorPPRERatio', float(numAnchors) / max(1, numPPRE),

    'innerTextLength', len(innerText),
    'textContentLength', len(textContent),
    'innerHtmlLength', len(innerHTML),
    'innerTextLengthRatio', float(len(innerText)) / max(1, len(innerHTML)),
    'textContentLengthRatio', float(len(textContent)) / max(1, len(innerHTML)),
    'innerTexttextContentLengthRatio',float(len(innerText)) / max(1, len(textContent)),

    'innerTextWordCount', innerTextWords,
    'textContentWordCount', textContentWords,
    'innerhtmlWordCount', innerHTMLWords,
    'innerTextWordCountRatio', float(innerTextWords) / max(1, innerHTMLWords),
    'textContentWordCountRatio', float(textContentWords) / max(1, innerHTMLWords),
    'innerTexttextContentWordCountRatio', float(innerTextWords) / max(1, textContentWords),

    'textCount', numText,
    'passwordCount', numPassword,
    'formCount', numForms,
    'anchorCount', numAnchors,
    'elementCount', numElements,
    'anchorRatio', float(numAnchors) / max(1, numElements),
  ]

  for k in sorted(raw):
    if 'mozScore' in k or 'num' in k:
      features += [k, raw[k]]

mozScore

  function _mozScore(trim, power, cut, excludeLi, saturate) {
    var score = 0;

    var nodes = document.querySelectorAll('p,pre')
    for (var i = 0; i < nodes.length; i++) {
      var node = nodes[i];
      if (!isVisible(node)) {
        continue;
      }
      var matchString = node.className + " " + node.id;
      if (unlikelyCandidates.test(matchString) &&
           !okMaybeItsACandidate.test(matchString)) {
        continue;
      }

      if (excludeLi && node.matches && node.matches("li p")) {
        continue;
      }

      var textContent = node.textContent;
      if (trim) textContent = textContent.trim();
      var textContentLength = textContent.length;
      textContentLength = Math.min(saturate, textContentLength)
      if (textContentLength < cut) {
        continue;
      }

      score += Math.pow(textContentLength - cut, power);
    }
    return score;
  }

分類算法

OG_ARTICLE
meta是否包括og:type

AdaBoost
原理:https://blog.csdn.net/v_JULY_v/article/details/40718799

AdaBoost

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末帖世,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子者冤,更是在濱河造成了極大的恐慌,老刑警劉巖档痪,帶你破解...
    沈念sama閱讀 211,948評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件涉枫,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡腐螟,警方通過(guò)查閱死者的電腦和手機(jī)愿汰,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,371評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)困后,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人衬廷,你說(shuō)我怎么就攤上這事摇予。” “怎么了吗跋?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,490評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵侧戴,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我小腊,道長(zhǎng)救鲤,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,521評(píng)論 1 284
  • 正文 為了忘掉前任秩冈,我火速辦了婚禮本缠,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘入问。我一直安慰自己丹锹,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,627評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布芬失。 她就那樣靜靜地躺著楣黍,像睡著了一般。 火紅的嫁衣襯著肌膚如雪棱烂。 梳的紋絲不亂的頭發(fā)上租漂,一...
    開(kāi)封第一講書(shū)人閱讀 49,842評(píng)論 1 290
  • 那天颊糜,我揣著相機(jī)與錄音哩治,去河邊找鬼。 笑死衬鱼,一個(gè)胖子當(dāng)著我的面吹牛业筏,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播鸟赫,決...
    沈念sama閱讀 38,997評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼蒜胖,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了抛蚤?” 一聲冷哼從身側(cè)響起台谢,我...
    開(kāi)封第一講書(shū)人閱讀 37,741評(píng)論 0 268
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎岁经,沒(méi)想到半個(gè)月后对碌,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,203評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡蒿偎,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,534評(píng)論 2 327
  • 正文 我和宋清朗相戀三年朽们,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片诉位。...
    茶點(diǎn)故事閱讀 38,673評(píng)論 1 341
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡骑脱,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出苍糠,到底是詐尸還是另有隱情叁丧,我是刑警寧澤,帶...
    沈念sama閱讀 34,339評(píng)論 4 330
  • 正文 年R本政府宣布岳瞭,位于F島的核電站拥娄,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏瞳筏。R本人自食惡果不足惜稚瘾,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,955評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望姚炕。 院中可真熱鬧摊欠,春花似錦、人聲如沸柱宦。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,770評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)掸刊。三九已至免糕,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間忧侧,已是汗流浹背石窑。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,000評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留苍柏,地道東北人尼斧。 一個(gè)月前我還...
    沈念sama閱讀 46,394評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像试吁,于是被迫代替她去往敵國(guó)和親棺棵。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,562評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容

  • Spring Cloud為開(kāi)發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見(jiàn)模式的工具(例如配置管理熄捍,服務(wù)發(fā)現(xiàn)烛恤,斷路器,智...
    卡卡羅2017閱讀 134,633評(píng)論 18 139
  • Charpter_14 Sequence Alignment Maps(SAM) SAM文件是由Tab(\t)分割...
    Dawn_WangTP閱讀 1,679評(píng)論 0 6
  • 兩年沒(méi)見(jiàn)余耽,首都T3航站樓的星巴克缚柏,既熟悉又陌生,坐下聊了一會(huì)兒碟贾,我們出去在機(jī)場(chǎng)里走了一圈又一圈币喧,他習(xí)慣性地時(shí)而挽著...
    記性不好的失意者閱讀 264評(píng)論 0 0