前言
好久没有更新博文了,三月份、四月份都在为春招而呕心准备,期间巩固了 java 基础知识、Android 基础知识以及计算机相关的课程知识。
说回正题,四月末的时间参加了一个数据挖掘竞赛:第五届泰迪杯数据挖掘挑战赛
现在写一篇博文分享一下这次参赛经历吧。
泰迪杯官网:http://www.tipdm.org/bdrace/index.html
有兴趣可以看看。
可选题目
可选题目有三道,分别是:
A 题 基于市场资金流向分析的商品期货量化交易策略
A 题分析:
A 题涉及金融相关知识,这是绝大多数计算机学生的短板,坦诚地说,很多金融关键词根本看不懂,所以直接跳过。
B 题 中央空调系统的数据分析与控制策略
B 题分析:
B 题 中央空调系统的数据分析与控制策略
相对于 A 题 来说,算是有一定的认识,题目和去年第四届泰迪杯的 B 题
铁路旅客流量预测 有一定的共同点。但是鉴于小组三人数学物理功底都不咋地,所以果断放弃这题。
C 题 通用论坛正文提取
C 题分析:
终于看到一道涉及 编程 的题目了,简单分析了题目,题目要求是一个通用的(也就是说得适合绝大多数的)论坛正文提取程序嘛,接下来就是深入分析如何去实现这个程序即可。
总的来说,就是对于任意 BBS 类型的网页,获取其 HTML 文本内容,设计一个智能提取该页面的主贴、所有回帖的算法。如下面的网页截图所示,提取主贴和回帖的区域,提取出相应数据字段(只需要提取文本, 图片、视频、音乐等媒体可以直接忽略),并按规定的数据格式(Json 格式)存储。
看看举办方给的示例:
示例提取这个论坛帖子的内容: