基于區(qū)域塊密度的網(wǎng)頁信息抽取技術(shù)在移動網(wǎng)站開發(fā)中的研究與實現(xiàn).pdf

1、隨著移動通信技術(shù)的高速發(fā)展,移動智能設(shè)備的普及率越來越高,使用移動設(shè)備訪問網(wǎng)站的比例也逐步提高,人們迫切的需要使用移動設(shè)備隨時隨地的獲取互聯(lián)網(wǎng)資源。不過移動設(shè)備的屏幕尺寸、硬件性能等與普通電腦存在很大差異,并且移動設(shè)備用戶的使用場景與傳統(tǒng)互聯(lián)網(wǎng)用戶間的差別也很大,傳統(tǒng)意義上的網(wǎng)站設(shè)計并不能很好的滿足移動場景下用戶的使用需求。同時移動設(shè)備碎片化的特點非常明顯,這對移動網(wǎng)站的設(shè)計和開發(fā)都帶來了很大的挑戰(zhàn)。
　　針對以上問題,本文對基于

2、內(nèi)容轉(zhuǎn)換策略的移動網(wǎng)站開發(fā)方法進行了研究,提出了一種基于區(qū)域塊密度的網(wǎng)頁信息抽取技術(shù),并以此為基礎(chǔ),實現(xiàn)了基于代理服務器策略的移動網(wǎng)站開發(fā)平臺。該平臺能夠在較少人工干預的情況下根據(jù)網(wǎng)頁類型的不同,選擇對應規(guī)則實現(xiàn)網(wǎng)頁信息的抽取,能夠最大程度發(fā)揮移動端隨時隨地的特性,將原有業(yè)務系統(tǒng)與移動終端對接與融合,從而實現(xiàn)將PC端網(wǎng)站穩(wěn)定快速的向移動終端擴展。本文具體的研究內(nèi)容如下:
　　1)論文從研究移動網(wǎng)站開發(fā)的現(xiàn)狀開始,通過對現(xiàn)有網(wǎng)頁信息

3、抽取技術(shù)的綜合比較,建立了網(wǎng)頁信息抽取過程的流程模型。
　　2)通過對正文抽取技術(shù)的相關(guān)研究,提出了基于區(qū)域塊密度的網(wǎng)頁信息抽取算法。該算法不受HTML標簽的限制,通過分析網(wǎng)頁正文密度函數(shù)來確定網(wǎng)頁正文區(qū)域,進而進行網(wǎng)頁內(nèi)容的抽取。
　　3)設(shè)計并實現(xiàn)了基于轉(zhuǎn)換服務器策略的移動網(wǎng)站開發(fā)平臺。該平臺能在較少人工干預的情況下實現(xiàn)Web網(wǎng)站從PC端向移動端的遷移。
　　本文最后通過一個移動網(wǎng)站設(shè)計與開發(fā)實例來驗證本文提出的移

4、動網(wǎng)站開發(fā)平臺的設(shè)計方法以及設(shè)計原則的可行性。實例是青島某管理學院官方網(wǎng)站移動版本,該移動網(wǎng)站的適配設(shè)備包括Android以及iOS的智能終端,能夠較好的提高不同設(shè)備訪問移動網(wǎng)站的用戶體驗,實現(xiàn)了較好的跨平臺能力,有效降低了開發(fā)和維護成本。
　　論文的創(chuàng)新點如下:
　　a)通過對現(xiàn)有網(wǎng)頁信息抽取技術(shù)的研究分析,并根據(jù)移動網(wǎng)站開發(fā)平臺的特點,建立了對應的網(wǎng)頁信息抽取流程模型。
　　b)提出了基于區(qū)域塊密度的網(wǎng)頁信息抽取算