版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、互聯(lián)網(wǎng)的信息在過去幾年爆炸式的快速增長,這種快速增長和Web的動態(tài)變化特性使得我們在Web上完成有效的信息獲取變得十分重要。網(wǎng)絡爬蟲是一個自動程序,它能有條不紊地通過掃描網(wǎng)頁然后下載經(jīng)由這些網(wǎng)頁鏈接到達的所有頁面。當用戶只需要一些面向主題的信息時,通用網(wǎng)絡爬蟲往往顯得力不從心,因此如何讓用戶只獲取自己感興趣的主題信息變得非常重要。在這種形式下,面向特定主題的主題爬蟲成為了研究熱點。本論文的研究就是圍繞這些熱點技術展開的。
2、本文首先簡單介紹了搜索引擎的分類以及通用搜索引擎的組成部分,論述了主題爬蟲的工作原理以及與通用爬蟲的區(qū)別,研究并探討了主題爬蟲的關鍵技術以及常用的解決方法。
由于主題爬蟲的搜索策略是實現(xiàn)主題搜索引擎的一個重要模塊,它直接決定爬蟲的爬行方向,制約著搜索引擎的工作質量和效率問題,所以本文主要討論主題爬蟲的搜索策略??紤]到互聯(lián)網(wǎng)上存在的“隧道現(xiàn)象”所導致的很難兼顧查全率和查準率的問題,本文在詳細研究現(xiàn)有搜索策略和PageRank
3、算法的基礎上,把現(xiàn)有的個性化PageRank算法和PageRank下界值等概念運用到主題爬蟲中,提出了一種基于錨文本內(nèi)容和PageRank算法的搜索策略。通過該算法主題爬蟲能夠盡可能多的爬取主題相關且Rank值高的網(wǎng)頁,即在查全率與查準率之間達到較好的平衡。
最后應用本文提出的搜索策略實現(xiàn)了一個簡單的主題爬蟲系統(tǒng)并進行了實驗分析,以開放式分類目錄搜索系統(tǒng)ODP中隨機選擇的主題作為實驗環(huán)境,對廣度優(yōu)先搜索策略、基于錨文本內(nèi)容
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 主題爬蟲算法的研究與實現(xiàn).pdf
- 主題爬蟲穿越隧道算法研究與設計.pdf
- 惡意URL檢測項目中基于PageRank算法的網(wǎng)絡爬蟲的設計和實現(xiàn).pdf
- 基于SVM分類算法的主題爬蟲研究.pdf
- 基于向量空間模型的主題爬蟲算法研究.pdf
- 基于網(wǎng)格技術的主題爬蟲算法優(yōu)化的研究與實現(xiàn).pdf
- 基于膜計算優(yōu)化算法的語義主題爬蟲研究.pdf
- 基于蟻群算法的主題爬蟲技術研究與實現(xiàn).pdf
- 基于改進shark-search算法的主題爬蟲的研究與實現(xiàn).pdf
- 基于支持向量機分類算法的主題爬蟲的研究與實現(xiàn).pdf
- 基于本體的主題爬蟲的設計與實現(xiàn).pdf
- 基于遺傳算法的主題爬蟲搜索策略研究.pdf
- 主題網(wǎng)絡爬蟲的研究與設計.pdf
- 基于啟發(fā)式搜索策略的主題網(wǎng)絡爬蟲算法的設計與實現(xiàn).pdf
- 基于鏈接的主題爬蟲研究.pdf
- 基于廣度優(yōu)先的主題爬蟲的設計與實現(xiàn).pdf
- 基于概念分析的主題爬蟲設計
- 基于非??焖偻嘶鹚阉魉惴ǖ闹黝}爬蟲研究與實現(xiàn).pdf
- 基于垂直搜索引擎的主題爬蟲算法的研究.pdf
- 基于Heritrix的主題網(wǎng)絡爬蟲研究與應用.pdf
評論
0/150
提交評論