Efficient Crawling for Scalable Web Data Acquisition (Extended Version)
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Gauquier, Antoine, Manolescu, Ioana, Senellart, Pierre |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Neural Prioritisation for Web Crawling
par: Pezzuti, Francesca, et autres
Publié: (2025)
par: Pezzuti, Francesca, et autres
Publié: (2025)
Modular Multimodal Machine Learning for Extraction of Theorems and Proofs in Long Scientific Documents (Extended Version)
par: Mishra, Shrey, et autres
Publié: (2023)
par: Mishra, Shrey, et autres
Publié: (2023)
Movie Recommendation using Web Crawling
par: Raj, Pronit, et autres
Publié: (2024)
par: Raj, Pronit, et autres
Publié: (2024)
Document Quality Scoring for Web Crawling
par: Pezzuti, Francesca, et autres
Publié: (2025)
par: Pezzuti, Francesca, et autres
Publié: (2025)
Web Page Classification using LLMs for Crawling Support
par: Sasazawa, Yuichi, et autres
Publié: (2025)
par: Sasazawa, Yuichi, et autres
Publié: (2025)
Tree-based Focused Web Crawling with Reinforcement Learning
par: Kontogiannis, Andreas, et autres
Publié: (2021)
par: Kontogiannis, Andreas, et autres
Publié: (2021)
A Scalable Crawling Algorithm Utilizing Noisy Change-Indicating Signals
par: Busa-Fekete, Róbert, et autres
Publié: (2025)
par: Busa-Fekete, Róbert, et autres
Publié: (2025)
Cybersecurity Data Extraction from Common Crawl
par: Mahara, Ashim
Publié: (2025)
par: Mahara, Ashim
Publié: (2025)
The Synergy of Automated Pipelines with Prompt Engineering and Generative AI in Web Crawling
par: Huang, Chau-Jian
Publié: (2024)
par: Huang, Chau-Jian
Publié: (2024)
Crawler for Image Acquisition from World Wide Web
par: Rajkumar, R, et autres
Publié: (2019)
par: Rajkumar, R, et autres
Publié: (2019)
On the Costs and Benefits of Learned Indexing for Dynamic High-Dimensional Data: Extended Version
par: Slanináková, Terézia, et autres
Publié: (2025)
par: Slanináková, Terézia, et autres
Publié: (2025)
Estimating Absolute Web Crawl Coverage From Longitudinal Set Intersections
par: Paris, Michael, et autres
Publié: (2026)
par: Paris, Michael, et autres
Publié: (2026)
Colour Contrast on the Web: A WCAG 2.1 Level AA Compliance Audit of Common Crawl's Top 500 Domains
par: Vaughan, Thom, et autres
Publié: (2026)
par: Vaughan, Thom, et autres
Publié: (2026)
Knowledge Graph RAG: Agentic Crawling and Graph Construction in Enterprise Documents
par: Chakraborty, Koushik, et autres
Publié: (2026)
par: Chakraborty, Koushik, et autres
Publié: (2026)
Extending ChatGPT with a Browserless System for Web Product Price Extraction
par: Lloret-Gazo, Jorge
Publié: (2025)
par: Lloret-Gazo, Jorge
Publié: (2025)
WebANNS: Fast and Efficient Approximate Nearest Neighbor Search in Web Browsers
par: Liu, Mugeng, et autres
Publié: (2025)
par: Liu, Mugeng, et autres
Publié: (2025)
A Flexible and Scalable Approach for Collecting Wildlife Advertisements on the Web
par: Barbosa, Juliana, et autres
Publié: (2024)
par: Barbosa, Juliana, et autres
Publié: (2024)
Scalable Time-Tagged Data Acquisition for Entanglement Distribution in Quantum Networks
par: Amlou, Abderrahim, et autres
Publié: (2025)
par: Amlou, Abderrahim, et autres
Publié: (2025)
Eat your own KR: a KR-based approach to index Semantic Web Endpoints and Knowledge Graphs
par: Maillot, Pierre, et autres
Publié: (2025)
par: Maillot, Pierre, et autres
Publié: (2025)
Towards Scalable Topic Detection on Web via Simulating Levy Walks Nature of Topics in Similarity Space
par: Pang, Junbiao, et autres
Publié: (2024)
par: Pang, Junbiao, et autres
Publié: (2024)
Exploiting Distribution Constraints for Scalable and Efficient Image Retrieval
par: Omama, Mohammad, et autres
Publié: (2024)
par: Omama, Mohammad, et autres
Publié: (2024)
Aggregate and Broadcast: Scalable and Efficient Feature Interaction for Recommender Systems
par: Li, Kaiyuan, et autres
Publié: (2025)
par: Li, Kaiyuan, et autres
Publié: (2025)
Pre-trained Graphformer-based Ranking at Web-scale Search (Extended Abstract)
par: Li, Yuchen, et autres
Publié: (2024)
par: Li, Yuchen, et autres
Publié: (2024)
Development of an Automated Web Application for Efficient Web Scraping: Design and Implementation
par: Dutta, Alok, et autres
Publié: (2025)
par: Dutta, Alok, et autres
Publié: (2025)
Generative Pre-trained Ranking Model with Over-parameterization at Web-Scale (Extended Abstract)
par: Li, Yuchen, et autres
Publié: (2024)
par: Li, Yuchen, et autres
Publié: (2024)
LongEval at CLEF 2025: Longitudinal Evaluation of IR Systems on Web and Scientific Data
par: Cancellieri, Matteo, et autres
Publié: (2025)
par: Cancellieri, Matteo, et autres
Publié: (2025)
Design and Implementation of a Scalable Clinical Data Warehouse for Resource-Constrained Healthcare Systems
par: Soumma, Shovito Barua, et autres
Publié: (2025)
par: Soumma, Shovito Barua, et autres
Publié: (2025)
Food Data in the Semantic Web: A Review of Nutritional Resources, Knowledge Graphs, and Emerging Applications
par: Sasanski, Darko, et autres
Publié: (2025)
par: Sasanski, Darko, et autres
Publié: (2025)
Context is Gold to find the Gold Passage: Evaluating and Training Contextual Document Embeddings
par: Conti, Max, et autres
Publié: (2025)
par: Conti, Max, et autres
Publié: (2025)
WebRec: Enhancing LLM-based Recommendations with Attention-guided RAG from Web
par: Zhao, Zihuai, et autres
Publié: (2025)
par: Zhao, Zihuai, et autres
Publié: (2025)
Health Misinformation Detection in Web Content via Web2Vec: A Structural-, Content-based, and Context-aware Approach based on Web2Vec
par: Upadhyay, Rishabh, et autres
Publié: (2024)
par: Upadhyay, Rishabh, et autres
Publié: (2024)
DataParasite Enables Scalable and Repurposable Online Data Curation
par: Sun, Mengyi
Publié: (2026)
par: Sun, Mengyi
Publié: (2026)
An Index-based Approach for Efficient and Effective Web Content Extraction
par: Chen, Yihan, et autres
Publié: (2025)
par: Chen, Yihan, et autres
Publié: (2025)
AutoData: A Multi-Agent System for Open Web Data Collection
par: Ma, Tianyi, et autres
Publié: (2025)
par: Ma, Tianyi, et autres
Publié: (2025)
MS MARCO Web Search: a Large-scale Information-rich Web Dataset with Millions of Real Click Labels
par: Chen, Qi, et autres
Publié: (2024)
par: Chen, Qi, et autres
Publié: (2024)
Markup Language Modeling for Web Document Understanding
par: Liu, Su, et autres
Publié: (2025)
par: Liu, Su, et autres
Publié: (2025)
The Essence of the Essence from the Web:The Metasearch Engine
par: Nath, Rajender, et autres
Publié: (2024)
par: Nath, Rajender, et autres
Publié: (2024)
Efficient Indexing of Meta-Data (Extracted from Educational Videos)
par: Kumbham, Shalika, et autres
Publié: (2023)
par: Kumbham, Shalika, et autres
Publié: (2023)
Separate but Equal? A Comparison of Content on Library Web Pages and Their Text Versions
par: Hazard, Brenda L.
Publié: (2008)
par: Hazard, Brenda L.
Publié: (2008)
LLM-Driven Usefulness Judgment for Web Search Evaluation
par: Dewan, Mouly, et autres
Publié: (2025)
par: Dewan, Mouly, et autres
Publié: (2025)
Documents similaires
-
Neural Prioritisation for Web Crawling
par: Pezzuti, Francesca, et autres
Publié: (2025) -
Modular Multimodal Machine Learning for Extraction of Theorems and Proofs in Long Scientific Documents (Extended Version)
par: Mishra, Shrey, et autres
Publié: (2023) -
Movie Recommendation using Web Crawling
par: Raj, Pronit, et autres
Publié: (2024) -
Document Quality Scoring for Web Crawling
par: Pezzuti, Francesca, et autres
Publié: (2025) -
Web Page Classification using LLMs for Crawling Support
par: Sasazawa, Yuichi, et autres
Publié: (2025)