RSS新聞的更新特征分析及RSS Reader的訂閱模型.pdf

1、RSS技術(shù)是一種基于XML格式的網(wǎng)絡(luò)內(nèi)容包裝和投遞的協(xié)議，可以用于生成RSS新聞并以RSS頻道的形式發(fā)布在網(wǎng)站上。通過RSS Reader訂閱相關(guān)的頻道，用戶可以選擇自己感興趣的頻道，并且方便地獲取實時更新的內(nèi)容，因此越來越多的主流網(wǎng)站提供RSS新聞訂閱服務(wù)。但之前的研究多集中于多RSS新聞的提取技術(shù)和其他RSS應(yīng)用領(lǐng)域的研究，對于RSS新聞的發(fā)布和訂閱特征的研究較少。由于RSS網(wǎng)站的更新與RSS Reader的更新不同步，用戶通過RS

2、S Reader訂閱新聞的過程中可能出現(xiàn)諸如更新信息的丟失、冗余信息的大量產(chǎn)生等現(xiàn)象。因此在本文中，我們力求通過對RSS Reader客戶端抓取的RSS數(shù)據(jù)分析RSS網(wǎng)站的行為特征和RSS Reader的設(shè)置對用戶獲取的頻道更新內(nèi)容的影響。 本文主要的工作是建立了數(shù)學(xué)模型來描述RSS Reader的更新間隔設(shè)置與訂閱得到的RSS更新內(nèi)容之間的關(guān)系，給出了針對多個和單個頻道的設(shè)定合理RSS Reader更新間隔時間的方法，并且通過

3、實際測量RSS頻道的更新數(shù)據(jù)，分析RSS網(wǎng)站的更新特征和RSS Reader的訂閱特征。在實驗過程中，通過對RSS新聞發(fā)布和更新流程分析，設(shè)計相應(yīng)的RSS數(shù)據(jù)的測量和分析方案，利用改進(jìn)的RSS Reader實現(xiàn)了連續(xù)24小時對187個RSS新聞頻道的更新數(shù)據(jù)實時地抓取。提出了基于頻道列表大小的歸一化RSS頻道更新量的方法，得到新聞更新比例可以更好地衡量RSS頻道和RSS Reader獲取的頻道文件的更新程度。 通過對RSS新聞更

4、新的測量和分析，總結(jié)RSS Reader訂閱頻道的更新內(nèi)容特征，包括更新時間、更新量和更新比例分布。特別是RSS頻道的更新比例間接反映了訂閱的RSS新聞的實時性，由此推測RSS網(wǎng)站的更新特征。網(wǎng)站對RSS頻道類型的設(shè)定和新聞發(fā)布時間控制，決定了RSS頻道的更新量和更新時間分布。RSS Reader更新間隔設(shè)置直接影響用戶獲取到的頻道更新質(zhì)量，包括更新信息的完整性和冗余信息的比例。RSS Reader的更新間隔需要按照RSS頻道的更新強(qiáng)度