Web crawler 机器学习示例-确定网站是商业网站还是个人网站

我有一个机器学习问题。我有一个很长的域名列表，我必须找出哪些是电子商务网站，哪些是个人网站。这是一个困难的问题，因为我没有任何训练数据。我提出了几个想法：

手动浏览几百个这样的网站，判断它们是商业网站还是个人网站，并以这种方式开发培训集（冗长而乏味！）

抓取这些网站，搜索一些关键词，如“立即购买”、“价格”、“信用卡”。等等

有人有其他方法吗

---

感谢您可以自适应地修改关键字集：当您四处爬行时，可以将与现有关键字高度相关的单词添加到列表中。 彼得

---

p、 我想添加这一点作为评论，但我没有足够的声誉点…

我认为爬行是正确的方式，但我建议寻找带有“地点”、“联系我们”等链接的网站，而不是简单的关键词。好吧，让我们试着帮你做到这一点；）+1.