【文件属性】：
文件名称：MediaAnalysis:从以色列新闻站点提取和分析数据
文件大小：2.23MB
文件格式：ZIP
更新时间：2021-05-26 00:09:40
text-analysis weka israeli-news-sites HTML
媒体分析
从以色列新闻站点提取和分析数据
Yuval Pinter，2015年（GPL v3许可证）
该项目包含用于分析以下以色列新闻站点头条新闻的代码和数据：ynet，以色列Hayom，Haaretz，Maariv，nrg，Mako，walla。
依次地，我们有以下内容：
标题提取：给定目录结构（例如data / html-dir-sample中的目录结构），为每个站点的每个单个标题创建一条单行记录，用出现在其中的连续时间戳数替换立即重复的记录（保留的标题）。 ：media_analysis.mining.ExtractTitlesFromHtml 从2014年7月1日开始，与所有网站的html格式兼容，但以下网站除外：Maariv（2014年8月27日），Haaretz（2014年11月25日）和Walla（2015年1月25日）。
标记化附加功能：给出上一步的输出，运行Luc
【文件预览】：
MediaAnalysis-master
----.gitignore(96B)
----.project(734B)
----README.md(3KB)
----.settings()
--------org.eclipse.core.resources.prefs(57B)
----conf()
--------conf.txt(659B)
----src()
--------media_analysis()
----LICENSE.md(34KB)
----.classpath(995B)
----.externalToolBuilders()
--------Media_Analysis_Ant_Builder.launch(1KB)
----data()
--------.gitignore(99B)
--------weka-cann-out-4538.arff(240KB)
--------html-dir-sample()
--------tok-cann-all-headlines.txt(3.25MB)
--------letter-ids.txt(183B)
--------wordlists-freqs-2012.txt(2.17MB)
--------israblog-freqs.txt(297KB)
--------4538-summary.txt(9KB)
----build.xml(788B)