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、隨著互聯(lián)網(wǎng)上數(shù)據(jù)的增長,通用的搜索引擎無法滿足不同背景用戶對于不同主題查全率的需求,垂直搜索引擎能夠聚焦于特定的主題,更全面地抓取和檢索與主題相關(guān)的網(wǎng)頁。垂直搜索引擎在各個(gè)領(lǐng)域都得到了廣泛的應(yīng)用,聚焦爬蟲是垂直搜索引擎的核心,成為近年來一個(gè)熱門的研究課題。
聚焦爬蟲需要抓取與主題相關(guān)的網(wǎng)頁,計(jì)算和預(yù)測網(wǎng)頁與主題的相關(guān)度是它的核心,主要包含三個(gè)方面:網(wǎng)頁解析、網(wǎng)頁相關(guān)度計(jì)算和鏈接優(yōu)先度計(jì)算。在網(wǎng)頁解析方面,提出了基于網(wǎng)頁區(qū)域分割
2、的正文抽取算法,該方法利用網(wǎng)頁中重復(fù)的標(biāo)簽格式將網(wǎng)頁劃分為多個(gè)區(qū)域,利用區(qū)域的結(jié)構(gòu)特征過濾噪聲區(qū)域,基于網(wǎng)頁正文標(biāo)題的位置和區(qū)域文本特征確定正文區(qū)域。在計(jì)算網(wǎng)頁的主題相關(guān)度時(shí),使用分類算法,分別基于URL和標(biāo)簽文本訓(xùn)練分類器,利用投票法將分類器的分類結(jié)果結(jié)合起來。在計(jì)算鏈接的優(yōu)先度時(shí),按照網(wǎng)頁分類的結(jié)果將與主題無關(guān)的網(wǎng)頁過濾,針對主題相關(guān)的網(wǎng)頁,對該網(wǎng)頁中的區(qū)域繼續(xù)進(jìn)行分類,過濾掉主題無關(guān)的區(qū)域,結(jié)合網(wǎng)頁的鏈接結(jié)構(gòu)信息和區(qū)域分類的結(jié)果計(jì)
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
- 基于形式概念分析的聚焦爬蟲算法.pdf
- 網(wǎng)站聚焦爬蟲研究.pdf
- 聚焦爬蟲技術(shù)研究.pdf
- 基于Web Community識別的聚焦爬蟲算法研究與設(shè)計(jì).pdf
- 基于區(qū)域的圖像分割算法研究.pdf
- 利用Nutch研究與實(shí)現(xiàn)支持Ajax動態(tài)網(wǎng)頁的網(wǎng)絡(luò)爬蟲系統(tǒng).pdf
- 可定制的聚焦網(wǎng)絡(luò)爬蟲.pdf
- 基于網(wǎng)站內(nèi)容框架的聚焦爬蟲算法的優(yōu)化和實(shí)現(xiàn).pdf
- 基于主題的微博網(wǎng)頁爬蟲研究
- 聚焦爬蟲關(guān)鍵技術(shù)研究.pdf
- 基于區(qū)域的圖像分割算法
- 基于主題的微博網(wǎng)頁爬蟲研究.pdf
- 基于網(wǎng)頁分塊的主題爬蟲方法研究.pdf
- PET圖像中腫瘤區(qū)域分割的算法研究.pdf
- 基于領(lǐng)域本體的聚焦爬蟲技術(shù)研究.pdf
- 面向垂直搜索的聚焦爬蟲研究及應(yīng)用.pdf
- 基于網(wǎng)頁更新頻率預(yù)測的增量爬蟲研究.pdf
- 肝臟超聲圖像病灶區(qū)域分割算法的研究.pdf
- 基于URL規(guī)則的聚焦爬蟲及其應(yīng)用.pdf
- 基于規(guī)則引擎的個(gè)性化網(wǎng)頁爬蟲研究.pdf
評論
0/150
提交評論