2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、在當前社會環(huán)境和Internet網(wǎng)絡環(huán)境日趨復雜的條件下,網(wǎng)絡信息已經(jīng)對社會的穩(wěn)定和人們的生活產(chǎn)生了重大的影響。為了防止互聯(lián)網(wǎng)上非法信息的傳播和瀏覽,對WEB內(nèi)容進行主動監(jiān)管,保證互聯(lián)網(wǎng)環(huán)境的健康發(fā)展,成為關系社會穩(wěn)定的重要課題,因此研究主動對網(wǎng)站內(nèi)容進行監(jiān)控的技術具有重要的意義。
  本論文對開源網(wǎng)絡爬蟲、WEB信息抽取、文本挖掘相關技術進行研究,并在此基礎上實現(xiàn)了一個網(wǎng)絡內(nèi)容監(jiān)控系統(tǒng)—WCMS(Web Content Moni

2、tor System),通過WCMS對網(wǎng)站內(nèi)容進行主動監(jiān)控,分析其網(wǎng)頁內(nèi)容,將網(wǎng)頁內(nèi)容熱點排序展示、內(nèi)容分類展示、話題展示,便于監(jiān)控者對網(wǎng)站內(nèi)容進行分析和了解網(wǎng)絡上的熱點信息。
  WCMS系統(tǒng)主要包括三個相互獨立模塊的研究與實現(xiàn):
  1) WCMS爬蟲與信息抽取模塊:WCMS爬蟲基于開源網(wǎng)絡爬蟲進行擴展,獲取WEB原始數(shù)據(jù);通過對WEB信息抽取的研究,實現(xiàn)對WEB原始數(shù)據(jù)進行正文內(nèi)容、標題、評論等關鍵信息的抽取,并將WE

3、B原始數(shù)據(jù)和提取的信息進行分類保存,便于后續(xù)處理。
  2) WCMS信息處理模塊:首先設計并實現(xiàn)了一個數(shù)據(jù)庫存取接口,通過此接口從數(shù)據(jù)庫中取出網(wǎng)頁正文內(nèi)容集合?;趯ξ谋就诰蛳嚓P技術的研究,對網(wǎng)頁正文內(nèi)容集合進行文本預處理,然后進行文本分類、聚類處理,并將處理結果寫入數(shù)據(jù)庫相應網(wǎng)頁記錄中。通過給網(wǎng)頁標題、作者、評論、正文分類結果和聚類結果各自賦予不同的權值,設計并實現(xiàn)了一個評估網(wǎng)頁內(nèi)容熱點程度的方法,通過此方法對網(wǎng)頁內(nèi)容進行熱點

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

評論

0/150

提交評論