RANSAC 算法在网页关键信息智能筛选中的应用研究

曾光辉 何 波

（广州工程技术职业学院 信息工程学院，广东 广州510900）

RANSAC 算法，其全称是RANdom SAmple Consensus，指的是随机抽样一致性，是模型参数估计算法的一种[1]。通常情况下，可以在一组数据中通过数学模型的计算，提出异常数据，获得有效样本数据。在应用RANSAC 算法的过程中，准确来说是一个迭代的、不断寻求更优的模型参数的过程[2]。计算过程中主要包含三个参数，分别是误差容忍度、迭代次数和一致集大小。这个过程中，决定着模型参数的精度是迭代的次数，而样本一致集大小，也代表着模型参数精确程度。

大数据包含了各种类型的原始信息，例如文本信息、图像信息等[3]。但是，随着信息的快速发展。面对着浩瀚无际的信息海，人们如何快速获取所需信息成为一个难题。随着信息迷航、负载的不断发生，网页关键信息智能筛选，开始成为一项受到关注的技术。本文通过对RANSAC 算法为核心的研究，将其应用于网页关键信息智能筛选中，有利于信息智能筛选的更快发展。

1 基于RANSAC 算法网页关键信息智能筛选方法设计

1.1 网站信息采集与处理

想要实现基于RANSAC 算法的，网页关键信息智能筛选。那么前期需要完成一个工作，就是对网站信息的采集与处理，以此作为接下来信息筛选的基础。首先，对网站数据进行采集抓取。

对于网站中包含数据，利用初始队列中的URL 地址，取得网页内容信息后，将其返回给爬虫。通过获取爬虫分析，将需要进一步抓取的数据放回链接。将需要保存的进行数据清洗。……