8、网络中环境节点的发现

网络中环境节点的发现

1. 引言

环境数据和测量对人类至关重要，它与健康问题（如过敏）以及各种重要活动（如农业）密切相关。在日常生活中，环境信息对于户外活动，如运动和旅行规划也尤为重要，这些活动直接受天气状况、空气质量和花粉浓度等关键环境因素的影响。

如今，环境测量由环境组织设立的站点进行，测量数据通常通过网络门户和服务提供。然而，现有的环境信息检索服务数量有限，且大多不公开。因此，网络门户、网站和页面成为获取此类信息的主要来源，这些提供环境信息的节点被称为“环境节点”。

为了帮助人们在日常行动规划中考虑环境条件，我们需要提供能够整合和协调多个节点互补和竞争环境信息的服务，以生成更可靠的环境测量结果。一般认为，综合多个提供者和预测模型的测量结果能得到更精确的结果。而自动发现环境节点是实现这一目标的第一步。

环境节点的发现可视为特定领域的搜索问题，但该问题更为复杂，因为它针对的是包含环境测量（如天气预报、空气质量观测）的特定环境网页，而非普通特定领域搜索引擎能检索到的不包含测量数据的更广泛环境网站。为此，我们结合了最先进的特定领域搜索技术、网站高级文本处理和监督机器学习来发现环境节点。具体而言，我们运用关键词“香料”（即特定领域术语）生成和向通用搜索引擎提交特定领域查询的方法，以实现高召回率，获取足够数量的环境节点。然后，使用基于监督机器学习的后处理模块提高结果的精度。本文重点关注天气预报网站的发现，并通过发现芬兰南部的天气节点来评估我们的技术。

2. 相关工作

特定领域搜索通常指“特定领域搜索引擎”发现与给定领域相关的信息，这些搜索引擎仅索引与预定义领域或主题对应的网页。实现特定领域搜索引擎的主要方法可分为两类： <