仲子说

研究网页抽取的论文很多，但是系统很少。
研究新闻标题和内容的自动抽取的论文也很多，但是实际可用的自动抽取程序也很少。
我们实验室研究Web抽取技术已经很多年，在国内也算处于领先地位。以前虽然也有一些demo系统，但是离实际可用仍然有一些距离。直到后来，我在lincan师兄的带领下，才开始构造网页数据抽取的系统，学名为Deep Web数据集成系统（深层...

自本学期开学以来，基本上又是出于满负荷运转状态，以至于网站上的文章更新频率有所下降：从原来的每日一文，到现在的两三日一文。并且有些文章是水文：）
在实验室里的工作，无外乎就是项目研究、论文阅读、投稿计划、系统开发、合作交流等。回顾这几个月的工作，还是有些收获的。其中，一些还未完成的工作暂时不宜公开，但是有一个消息却是可以和大家...

C-DBLP是一个以作者为中心的中文文献集成系统。系统现在集成了12本中文计算机权威期刊和1个数据库会议，目前有超过5万名的作者信息以及接近6万条的论文记录。
C-DBLP中有很多丰富的数据和关联等待挖掘，我们也已经制定了下一步的开发计划。
今天，我们推出了基于Google Chart API所开发的一个作者文献数量趋势图的小功能，它能够反映出作者在不同年份发表的论...

虽然之前央视曝光了百度的竞价排名模式可能带来的危害（感兴趣的朋友可以点击关键字百度进行查看），但是百度CEO李彦宏坚称竞价排名的商业模式本身没问题，百度不会放弃该业务模式。并且李彦宏提到“百度离破产只有30天。大家之所以看好搜索市场，就是因为它的成长速度非常高。成长也是变化的一种，如果不能及时把握市场需求的变化，就会被淘汰”。这其实是...

垂直搜索自前几年兴起以后，这些年有许许多多人以此为契机，进行创业。比较出名的有酷讯、去哪儿等网站，Google也开发了“生活搜索”：
 
此外，还有许许多多的人已经创建了或者正在创建垂直搜索网站（也有的称为生活搜索）。
我们实验室，利用数据集成技术，也开发了一些网站，例如Jobtong（工作通），政务通等网站。当然，由于是在实验室，这些网...

经过上个月对于数据的进一步集成和整理，目前以作者为中心的中文文献集成系统C-DBLP已经集成超过5万条论文文献，4万名作者。今天C-DBLP正式发布！
研究动机
     计算机科学文献库DBLP Computer Science Bibliography在学术界有很好的声誉，给人们带来了极大的便利，其权威性也得到了研究界的高度认可。遗憾的是，DBLP没有提供对中文文献的收录和检索功能，国内的权...

本周一，又一个新的搜索引擎Cuil （http://www.cuil.com/ ）诞生。
这个搜索引擎相信许多站长应该都会注意到，因为早在数月之前，其爬虫Twiceler就经常进行网页爬取。当时，按照爬虫所给出的url可以看到，这个搜索引擎在进行数据积累，但是并没有发布，直到本月的28日，Cuil正式发布。

Cuil是Google公司的前技术工程师开发的一个新型的以内容为核心的搜索引擎。据说...

暑期进行系统开发是实验室的一个传统。这个暑期我们又利用Jobtong技术开发了一个集成系统，展现我们的集成技术。这就是C-DBLP，其发布网址如下：
C-DBLP: www.cdblp.cn
C-DBLP顾名思义，是中文版的一个DBLP，其目标是建立一个国内计算机类中文文献的集成数据库系统，从而为用户提供权威的论文数据和方便的查询服务。目前这个系统已经集成了9本国内权威期刊的数据。...

当时投NDBC年会文章的时候，只顾着把东西往上写，周围师兄师姐也说"先写上去再说呗，以后删还不容易吗"。于是一不小心就写了7页满满的。这几天接到论文录取通知，要求提交正式论文，并且不能超过7千字，看以往的文章，似乎年会论文一般在5页，于是不得不“操刀自残”，却发现总也下不去手。看看这里也觉得必不可少，看看那里也觉得删掉后语义不连贯。于...

昨天的《智能信息检索》课程请的是微软亚洲研究院的聂再清博士来向我们介绍《Object-Level Vertical Search》，这已经是我第二次听聂博士的介绍了。上一次是在参加Yocsef举办的《垂直搜索》时听过他演讲，主题也是“对象级别的垂直搜索”。
目前微软亚洲研究院正在进行的几项研究，包括Libra, Guanxi, Product Search等，都是很有意思的对象级别的垂直搜索。其实对象这个词，...