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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著網(wǎng)絡(luò)信息量的急劇膨脹和信息的多元化發(fā)展,傳統(tǒng)的通用搜索引擎越來越難以滿足用戶對特定信息的查詢需求,主題搜索引擎應(yīng)運(yùn)而生。主題搜索引擎以分類精確、數(shù)據(jù)深入、更新及時(shí)等特點(diǎn),成為搜索引擎的發(fā)展趨勢和研究熱點(diǎn)。
主題網(wǎng)絡(luò)蜘蛛是主題搜索引擎的核心部分,其工作性能好壞和運(yùn)行效率高低均會對整個(gè)主題搜索引擎系統(tǒng)產(chǎn)生重大影響。本文以提高主題網(wǎng)絡(luò)蜘蛛信息采集的效率和準(zhǔn)確性為目標(biāo),對主題搜索引擎中網(wǎng)絡(luò)蜘蛛的信息采集策略進(jìn)行研究。
2、 主題相關(guān)性算法是主題搜索引擎中網(wǎng)絡(luò)蜘蛛信息采集策略的關(guān)鍵部分,是提高主題網(wǎng)絡(luò)蜘蛛信息采集效率和準(zhǔn)確性的基礎(chǔ)。本文對基于網(wǎng)頁內(nèi)容的相關(guān)性算法進(jìn)行研究,在傳統(tǒng)的向量空間模型的基礎(chǔ)上,根據(jù)網(wǎng)頁結(jié)構(gòu)特征和概念間層次關(guān)系,對網(wǎng)頁特征項(xiàng)選取和權(quán)值進(jìn)行優(yōu)化,提高網(wǎng)頁主題相關(guān)性評價(jià)的效率和精度;對基于鏈接結(jié)構(gòu)的相關(guān)性算法進(jìn)行研究,在傳統(tǒng)的PageRank算法的基礎(chǔ)上,根據(jù)主題網(wǎng)頁的分布特征,引入主題預(yù)測相關(guān)度加權(quán),使主題網(wǎng)絡(luò)蜘蛛對網(wǎng)頁中潛在的與主
3、題相關(guān)性大的鏈接優(yōu)先爬行。通過對主題相關(guān)性算法的研究,一方面提高了網(wǎng)頁過濾的準(zhǔn)確性,防止主題網(wǎng)絡(luò)蜘蛛做無效勞動(dòng);另一方面實(shí)現(xiàn)了對主題網(wǎng)絡(luò)蜘蛛爬行方向的前瞻性指導(dǎo),防止“主題漂移”現(xiàn)象的發(fā)生。
在主題搜索引擎中,網(wǎng)絡(luò)蜘蛛信息采集的目標(biāo)是盡可能多地發(fā)現(xiàn)并采集與主題相關(guān)的信息。本文對主題網(wǎng)絡(luò)蜘蛛信息采集技術(shù)進(jìn)行研究,在此基礎(chǔ)上提出了一個(gè)面向主題的信息采集模型,并深入分析了模型中網(wǎng)頁采集、網(wǎng)頁解析、網(wǎng)頁消重、網(wǎng)頁過濾和鏈接過濾等主
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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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。
最新文檔
- 主題搜索引擎中網(wǎng)絡(luò)蜘蛛搜索策略研究.pdf
- 垂直搜索引擎中網(wǎng)絡(luò)蜘蛛搜索算法的研究與應(yīng)用.pdf
- 基于專業(yè)搜索引擎網(wǎng)絡(luò)蜘蛛搜索策略研究.pdf
- 搜索引擎中網(wǎng)絡(luò)爬蟲的研究.pdf
- 垂直搜索引擎中主題網(wǎng)絡(luò)蜘蛛爬行技術(shù)的研究.pdf
- 彝文搜索引擎中網(wǎng)頁信息采集技術(shù)研究.pdf
- 主題搜索引擎網(wǎng)絡(luò)爬蟲搜索策略的研究與實(shí)現(xiàn).pdf
- 搜索引擎中網(wǎng)絡(luò)爬蟲的研究與實(shí)現(xiàn).pdf
- 搜索引擎中網(wǎng)絡(luò)爬蟲技術(shù)研究.pdf
- 主題搜索引擎爬行策略的研究.pdf
- 主題搜索引擎研究.pdf
- 主題搜索引擎的信息抽取和索引的研究.pdf
- 網(wǎng)絡(luò)搜索引擎搜索策略及算法研究.pdf
- 搜索引擎中基于領(lǐng)域本體的主題信息采集方法的研究
- 主題搜索引擎搜索策略的研究及算法設(shè)計(jì).pdf
- 圖像搜索引擎中信息采集技術(shù)的研究.pdf
- 古建主題搜索引擎研究.pdf
- 搜索引擎中基于領(lǐng)域本體的主題信息采集方法的研究.pdf
- 主題搜索引擎信息抽取技術(shù)研究.pdf
- 基于主題的搜索引擎研究.pdf
評論
0/150
提交評論