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55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(lǐng)

文檔簡介

1、主題網(wǎng)絡(luò)爬蟲是主題搜索引擎的關(guān)鍵技術(shù)。主題爬蟲能夠智能地采集與特定主題相關(guān)的網(wǎng)頁,而避免不相關(guān)網(wǎng)頁的訪問;主題爬蟲的提出與運用能夠極大緩解目前基于通用網(wǎng)絡(luò)爬蟲的搜索引擎中搜索覆蓋率低,搜索精度低、網(wǎng)頁更新不及時而無法滿足用戶的個性化需求的問題。主題爬蟲的核心難點是預(yù)測未訪問鏈接的主題相關(guān)度。目前比較經(jīng)典的主題爬蟲中普遍采用向量空間模型來計算網(wǎng)頁內(nèi)容的主題相關(guān)度,這種方法沒有考慮到主題詞項的語義信息;在網(wǎng)頁內(nèi)容相關(guān)性分析鏈接上下文時,往往

2、引入噪音,不能準(zhǔn)確反應(yīng)主題相關(guān)性;在結(jié)合鏈接結(jié)構(gòu)分析和內(nèi)容相似性分析時考慮因素不全,只是二者分值相加;在主題爬取過程中沒有考慮隧道特征,或者引入隧道方法不佳導(dǎo)致大量非相關(guān)網(wǎng)頁被下載。
  為了解決上述問題,本文研究工作如下:
  (1)本文在原有向量空間模型的基礎(chǔ)上,還考慮關(guān)鍵詞項的語義相似度,提出了基于詞項語義相似度的向量空間模型(TSSVSM)。本文主題爬蟲算法將利用TSSVSM模型計算網(wǎng)頁文本與主題的相似度。
 

3、 (2)本文在分析隧道特征的基礎(chǔ)上,提出了自適應(yīng)隧道穿越方法,此方法能夠網(wǎng)頁內(nèi)容和穿越路徑的相關(guān)性綜合動態(tài)計算隧道穿越的距離,從而在獲得更多主題相關(guān)網(wǎng)頁的前提下減少無關(guān)網(wǎng)頁的訪問。
  (3)本文分析了鏈接上下文的局限性,在計算內(nèi)容相似度時去掉鏈接上下文因素而加入網(wǎng)頁標(biāo)題因素,網(wǎng)頁內(nèi)容相似度由網(wǎng)頁標(biāo)題、網(wǎng)頁文本和錨文本綜合決定,然后對OPIC算法進行改進,提出了依據(jù)網(wǎng)頁內(nèi)容相似度大小進行不平均分配現(xiàn)金值的NOS算法。
  (

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(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。

評論

0/150

提交評論