基于Web內(nèi)容挖掘的醫(yī)藥類廣告監(jiān)控系統(tǒng)的實(shí)現(xiàn).pdf

1、伴隨著互聯(lián)網(wǎng)的迅速發(fā)展,龐大的網(wǎng)民規(guī)模吸引著越來越多的廣告主將注意力轉(zhuǎn)向網(wǎng)絡(luò)廣告市場(chǎng),網(wǎng)絡(luò)廣告的數(shù)量急劇增長(zhǎng)。但是伴隨而來的是違法廣告層出不窮,尤其是違法醫(yī)藥廣告危害最為嚴(yán)重。由于網(wǎng)絡(luò)上存在著巨大的信息量,僅僅依靠人工審查的方法難以應(yīng)對(duì)網(wǎng)上海量信息的收集和處理,需要加強(qiáng)相關(guān)信息技術(shù)的研究,形成一套自動(dòng)化的網(wǎng)絡(luò)醫(yī)藥廣告監(jiān)控系統(tǒng)。
　　 本論文對(duì)網(wǎng)絡(luò)爬蟲、網(wǎng)頁(yè)信息抽取、網(wǎng)頁(yè)分類等技術(shù)分別進(jìn)行了深入的研究,并提出了相應(yīng)的解決方案,以這

2、些技術(shù)為基礎(chǔ)本文實(shí)現(xiàn)了一個(gè)網(wǎng)絡(luò)醫(yī)藥廣告監(jiān)控系統(tǒng),較好地解決了互聯(lián)網(wǎng)中醫(yī)藥廣告的監(jiān)控問題。本文完成的主要工作如下:
　　 1.對(duì)現(xiàn)有的網(wǎng)絡(luò)爬蟲技術(shù)進(jìn)行了深入研究,詳細(xì)介紹了爬蟲工作的原理。針對(duì)網(wǎng)頁(yè)的構(gòu)成,結(jié)合網(wǎng)頁(yè)提取的開源工具提出了本文的網(wǎng)頁(yè)信息抽取方法。測(cè)試結(jié)果表明本文提出的方法有著較好的效率和準(zhǔn)確性。
　　 2.介紹了網(wǎng)頁(yè)分類的現(xiàn)狀和處理流程,詳細(xì)講解了網(wǎng)頁(yè)分類中涉及的各個(gè)模塊的理論。在此基礎(chǔ)上,充分利用相關(guān)的開源工具