面向?qū)W術(shù)文獻(xiàn)檢索的P2P網(wǎng)絡(luò)研究.pdf

1、Google Scholar為我們搜索各種來(lái)源的學(xué)術(shù)文獻(xiàn)信息提供了一個(gè)簡(jiǎn)單易用的平臺(tái)。它使用網(wǎng)絡(luò)爬蟲來(lái)把各種來(lái)源的文獻(xiàn)信息集中存儲(chǔ)到Google自己的數(shù)據(jù)庫(kù)里，然后通過(guò)web向用戶提供這些信息。從技術(shù)上來(lái)講，Google Scholar是基于客戶端/服務(wù)器端模型的，作為一個(gè)集中式的系統(tǒng)，有著它自身的缺陷。近年來(lái)，P2P(Peer-to-Peer,點(diǎn)對(duì)點(diǎn))計(jì)算越來(lái)越盛行，它能夠以分布，自治的方式來(lái)處理海量數(shù)據(jù)，其特征在搜索能力、可擴(kuò)展性、

2、高效率，以及對(duì)故障和動(dòng)態(tài)環(huán)境的應(yīng)變能力方面展現(xiàn)了巨大的潛力。 在本篇論文中，我們提出了一種面向?qū)W術(shù)文獻(xiàn)檢索的P2P網(wǎng)絡(luò)研究--PPScholar，它建立在P2P網(wǎng)絡(luò)和Dublin Core元數(shù)據(jù)標(biāo)準(zhǔn)的基礎(chǔ)之上。我們的主要研究?jī)?nèi)容就是如何使各個(gè)學(xué)術(shù)文獻(xiàn)信息源的數(shù)據(jù)庫(kù)以P2P的方式合作，建立起一個(gè)適用于學(xué)術(shù)文獻(xiàn)檢索的基于元數(shù)據(jù)的P2P網(wǎng)絡(luò)。在研究過(guò)程中，我們主要致力于兩大問(wèn)題：一是如何隱藏信息源的異構(gòu)性；二是如何建立一個(gè)適合于本應(yīng)用

3、的P2P網(wǎng)絡(luò)。在建立P2P網(wǎng)絡(luò)的過(guò)程中，我們基于在Gnutella網(wǎng)絡(luò)中發(fā)現(xiàn)的兩種冪律分布，在Gnutella網(wǎng)絡(luò)的基礎(chǔ)之上，增加學(xué)習(xí)型節(jié)點(diǎn)來(lái)以多種方式改進(jìn)我們的應(yīng)用。 首先，我們根據(jù)在P2P網(wǎng)絡(luò)中發(fā)現(xiàn)的節(jié)點(diǎn)連接數(shù)的冪率分布規(guī)律，將那些擁有連接數(shù)多，性能強(qiáng)大的節(jié)點(diǎn)選擇為學(xué)習(xí)型節(jié)點(diǎn)，形成一種兩層架構(gòu)的P2P網(wǎng)絡(luò)。這些學(xué)習(xí)型節(jié)點(diǎn)可以學(xué)習(xí)整個(gè)網(wǎng)絡(luò)的知識(shí)，比如緩沖查詢請(qǐng)求與結(jié)果等，從而使得查詢請(qǐng)求能夠在少數(shù)的學(xué)習(xí)型節(jié)點(diǎn)中就能得到結(jié)果。同

4、時(shí)通過(guò)模擬實(shí)驗(yàn)，在將TTL(Time-to-Live)控制在可接受的前提下，盡量選擇那些擁有連接數(shù)最多，性能最強(qiáng)大的節(jié)點(diǎn)作為學(xué)習(xí)型節(jié)點(diǎn)，從而盡可能減少學(xué)習(xí)型節(jié)點(diǎn)的數(shù)量。另外，我們還根據(jù)P2P網(wǎng)絡(luò)中發(fā)現(xiàn)的搜索關(guān)鍵字的冪率分布規(guī)律，提出了新的緩沖算法--適應(yīng)性最少頻率使用算法(Adaptive Least Frequently Used)，并根據(jù)此算法在學(xué)習(xí)型節(jié)點(diǎn)中建立緩沖區(qū)，作為學(xué)習(xí)型節(jié)點(diǎn)的學(xué)習(xí)能力之一。 通過(guò)實(shí)際模擬實(shí)驗(yàn)，我們驗(yàn)