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66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)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(quán),請進行舉報或認領

文檔簡介

1、隨著Internet應用的飛速發(fā)展,WWW已經(jīng)發(fā)展成為一個巨大的分布式信息空間,為用戶提供了一個極具價值的信息源。但因Internet所固有的開放性、動態(tài)性與異構(gòu)性,又使得用戶很難準確快捷地從WWW上獲取所需的信息。如何快速、準確地從浩瀚的信息資源中尋找到所需信息已經(jīng)成為困擾網(wǎng)絡用戶的一大難題。本文針對Web信息精確獲取的需要,研究了基于網(wǎng)站結(jié)構(gòu)的精確獲取網(wǎng)頁內(nèi)容信息所涉及的技術(shù),并將這些技術(shù)有機地結(jié)合在一起,系統(tǒng)地討論了基于網(wǎng)站結(jié)構(gòu)分

2、析頁面信息提取的方法研究。 網(wǎng)頁內(nèi)容信息獲取是信息挖掘技術(shù)中一個重要技術(shù),是指從Web上大量的信息中得到數(shù)據(jù)對象間的內(nèi)在特征,并以此為依據(jù)進行有目的的信息獲取的方法。它涉及到計算機網(wǎng)絡、數(shù)據(jù)挖掘、文本處理、人工智能等多個領域。本文首先對以前的WEB獲取技術(shù)進行了全面的回顧,并總結(jié)了當前搜索工具所存在的主要問題及局限性,如檢索方式不科學,索引方法不合理,結(jié)果顯示單一,個性化能力差等。然后,提出了基于網(wǎng)站結(jié)構(gòu)分析頁面信息提取的方法,

3、重點研究了生成網(wǎng)站結(jié)構(gòu)、相似頁面的判斷、生成自適應模板以及生成目標XML等涉及的主要技術(shù)及算法研究,提出了一個網(wǎng)頁頁面內(nèi)容精確獲取的解決方案。 本文通過獲取網(wǎng)站的所有頁面,根據(jù)這些頁面的內(nèi)容以及這些頁面之間的鏈接關(guān)系,結(jié)合URL(UniformResourceLocator)之間的相似性,計算網(wǎng)站的結(jié)構(gòu),并根據(jù)網(wǎng)站的結(jié)構(gòu)和頁面的內(nèi)容特征將頁面進行歸類,然后對同一類的頁面進行信息模板的自動生成,并將信息模板的結(jié)構(gòu)生成目標XML。在

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(quán)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(quán)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(quán)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