Nutch搜索引擎中網(wǎng)頁排序技術的研究.pdf_第1頁
已閱讀1頁,還剩49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、隨著互聯(lián)網(wǎng)技術的不斷發(fā)展,搜索引擎已經(jīng)成為人們獲取網(wǎng)絡信息的主要工具。研究搜索引擎網(wǎng)頁排序的目的是從眾多搜索結果中將內(nèi)容相關和權威的網(wǎng)頁排在前面,幫助用戶迅速定位需要的網(wǎng)絡資源。網(wǎng)頁排序算法直接影響到搜索引擎信息檢索的準確率和用戶使用滿意度。Nutch是基于Java實現(xiàn)的開源搜索引擎。通過對Nutch進行深入研究,指出其目前存在的兩大問題,其一是沒有實現(xiàn)PageRank算法,影響了最終排序效果;其二是對中文進行單字切分,影響了查詢結果準

2、確率。
   首先,針對目前Nutch搜索引擎中沒有實現(xiàn)網(wǎng)頁PageRank計算的問題,利用MapReduce并行計算模型處理大數(shù)據(jù)集的優(yōu)勢,在Nutch機群系統(tǒng)上設計和實現(xiàn)了基于MapReduce的PageRank分布式并行算法。實驗結果表明:處理的數(shù)據(jù)量越大,機群中的節(jié)點越多,計算PageRank的效率越高;另外,該分布式并行算法具有較好的可擴展性。然后,針對目前Nutch對中文進行單字切分的問題,加入了JE中文分詞器對Nu

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。

評論

0/150

提交評論