datathonms2014 这是一个为期一天的小型项目

数据马拉松2014 是一个为期一天的小型项目，通过在维基百科中抓取公司徽标，构建一个数据库，并使用徽标照片查询该数据库，以识别它所属的公司。该项目的实现基于多个开源工具和框架，详情请参考 数据科学实践马拉松源码 和 Data_Marathon用于数据马拉松源码。

项目运行步骤：

1. 您需要运行爬虫程序（Crawler.main），它会从维基百科抓取数据。为了更好地理解爬虫的实现和配置，建议查看 马拉松数据数据集。

2. 您可以通过程序参数指定要抓取的页面，例如通过命令 java Crawler "List of companies of the United States" 来获取美国公司的列表。如果您将 Config.LOAD_ALL 设置为 true，程序将抓取 Config.COMPANY_LISTS 中列出的所有页面。

3. 运行爬虫时，建议首次设置 Config.RENEW_INDEX = true，这将确保爬虫不会重复抓取同一页面，节省系统资源。

4. 数据库抓取完成后，您可以通过运行 Identifier.main 来查询数据库，并识别上传的徽标属于哪家公司。这个查询模块的详细实现可以在 黑客马拉松模板源码 中找到。