工作周报（20191012-20191018）

本周工作报告

本周完成工作如下：

1、根据论文DIPRE算法内容编写python代码，已跑通测试用例和实际数据，代码流程如下（内容可能较多）：https://blog.csdn.net/qq_39591838/article/details/102628466

2、根据算法内容对代码做了细节性的改进，详情同见上述链接中的小结部分

3、记录了在写代码中遇到的一些问题及其处理方式

下周工作计划

1、单独编写python爬虫获取数据来源，计划爬取至少一个网站的大多数子界面，并插入数据库

2、在实际编写代码的过程中，发现原算法有许多可以改进的地方，为了实际应用的方便，提出以下算法改进的步骤：

        1.对于一个网页，首先利用现有可匹配的模式对其进行搜索（初始化时模式集为空，跳过该步骤进行第二步）

                   如果搜索出的结果，即元组不为空，则将元组集存入数据库，并标记该网页已搜索或直接从数据库中删除

                   如果搜索的结果为空，则进行第二步

        2.利用现有的种子，即现有的元组对，对该网页搜索出现的所有事件

                    如果出现的事件数小于1或者没有查找到事件，则不继续处理该网页转为下一个网页，继续进行步骤1

                    如果出现的事件数大于等于2，则尝试利用这些事件形成模式，如果能形成模式则将模式存入到数据库中，并利用该模式对该网页进行搜索，将搜索到的元组对集加入到数据库中

                    如果出现的事件数大于等于2，且利用这些事件不能形成符合特异性的模式，则标记该网页已搜索或直接删除，转到处理下一个网页进行步骤1

        3.转到下一个网页，重复步骤1，直到数据库中所有的网页都被标记，或者搜索得到的元组对大于等于某一个值则停止