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59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,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著社會信息化的迅猛發(fā)展,網絡已經成為人們獲取信息的重要來源。而網絡信息具有海量,復雜,非結構化等特點,為網絡信息的獲取以及基于網絡信息搜集的分析與研究工作都帶來了很大困難。網絡信息采集處理平臺整合了網絡信息獲取及處理中的各項關鍵技術,實現了將復雜、非結構化的網絡信息進行整理以及結構化存儲的功能。 本文綜合介紹了B/S架構的網絡信息采集處理平臺設計,構建與實現技術,合理地設計了一整套具有創(chuàng)新性的用于信息采集和信息處理的技術方案。

2、系統(tǒng)描述了方案中的各實現環(huán)節(jié),具有針對性地解決了網絡信息采集處理平臺中的由網絡信息數據特性所帶來的難題。 本文的主要創(chuàng)新點及研究工作包括:一、將網頁URL分析和匹配技術引入網絡信息處理設計方案中,在基于網頁解析模板進行網頁解析及網頁信息抽取時,用于輔助網頁篩選、網站識別、解析模板選擇和網頁之間聯(lián)系的發(fā)掘,優(yōu)化了網絡信息處理模塊設計,改善了信息處理效率和準確度;二、創(chuàng)新性地提出了基于哈希函數的“抽象特征碼比較法”,用于識別重復網絡

3、信息數據,避免由頁面二次解析帶來的重復數據存入數據庫,通過相關實驗及實驗結果分析,驗證了該方法對于海量網絡信息數據存儲效率有較大程度優(yōu)化。三、在對Nutch爬蟲系統(tǒng)進行深入研究的基礎上,改進Nutch爬蟲系統(tǒng),進行多線程封裝和配置接口設計,實現了分布,可靈活配置的信息采集模塊。 基于以上研究成果,本文規(guī)劃了網絡信息采集處理平臺的總體框架結構,設計了系統(tǒng)功能模塊邏輯,數據庫結構和用戶界面;應用新型GWT(Google Web To

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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論