中文網頁分類及存儲系統設計與實現.pdf

1、隨著互聯網技術的快速發(fā)展和網絡資源的迅速膨脹，為了給用戶提供高效準確的服務，我們需要對網絡中紛繁復雜的資源進行合理的組織與分類。網絡上的信息資源有著海量、動態(tài)、異構、半結構化等顯著特點，由于缺乏統一的組織和管理而顯得雜亂無章，給Web檢索帶來了一定的困難。使用網頁分類技術可以更加有效地組織和管理網絡資源，提高信息檢索的效率，它目前已成為網絡檢索的研究熱點之一。由于網絡具有一定的更新性，網絡資源每隔一段時間就會被網站自動的更新掉，這樣再去

2、查詢這些信息時，用戶可能會搜索不到。目前，我國還沒有開始意識到進行網絡資源永久保存的重要性。永久保存各時期的網站內容，可以防止有用的網絡資源被永遠更新掉，保護了網絡資源，也方便用戶查找任一時期的網站信息。本論文以網頁分類以及與之相關的網頁信息抽取處理、分詞、特征提取和增量式存儲技術為網頁分類和存儲手段，通過對中文網頁結構和永久性存儲的全面分析來構建中文網頁分類及存儲系統，該系統能夠對采集下來的網絡資源進行準確分類，并可以進行增量式存儲，