此数据集包含来自4所大学的网页，相应的标记分类为教授、学生、项目或其他网页。

This dataset contains webpages from 4 universities, labeled with whether they are professor, student, project, or other pages.

本项目的目的是开发一个反映万维网内容的概率性、象征性知识库。

To develop a probabilistic, symbolic knowledge base that mirrors the content of the world wide web. 

如果成功，这将使网络上的文本信息以计算机可理解的形式提供，从而实现更复杂的信息检索和问题解决方案。

If successful, this will make text information on the web available in computer-understandable form, enabling much more sophisticated information retrieval and problem solving.

项目思路：

*学习分类器从文本中预测网页类型。

* Learning classifiers to predict the type of webpage from the text.

*您能通过使用图形模型，利用页面之间相互指向的相关性来提高预测的准确性吗？

* Can you improve accuracy by exploiting correlations between pages that point to each other using graphical models?

数据集下载地址及相关论文网站：

http://www.cs.cmu.edu/~webkb/

更多精彩文章请关注微信号：