2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩57頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)的快速發(fā)展,上網(wǎng)人數(shù)的不斷增長(zhǎng),網(wǎng)絡(luò)上的信息量也急速增加。所有這些都給搜索引擎提出了挑戰(zhàn),傳統(tǒng)的搜索引擎已經(jīng)不可能提供給用戶既全面又具有專業(yè)深度的服務(wù)了,垂直搜索引擎應(yīng)運(yùn)而生。主題網(wǎng)絡(luò)爬蟲(chóng)作為垂直搜索引擎的抓取模塊,負(fù)責(zé)搜集網(wǎng)上的網(wǎng)頁(yè)信息。主題爬蟲(chóng)的好壞直接影響著搜索引擎的服務(wù)質(zhì)量,故作為搜索引擎的重要組成部分,尤其值得去研究和改進(jìn)。
  近年來(lái),對(duì)主題爬蟲(chóng)的研究主要集中于兩個(gè)方面——主題爬蟲(chóng)搜索策略和主題相關(guān)性算法。本

2、文即針對(duì)這兩方面展開(kāi)了討論,所做的主要工作和研究成果包括:
  (1)文章對(duì)主題爬蟲(chóng)相關(guān)技術(shù)進(jìn)行了研究。簡(jiǎn)要描述了互聯(lián)網(wǎng)上主題頁(yè)面的分布特征、URL、正則表達(dá)式的應(yīng)用、網(wǎng)頁(yè)獲取、網(wǎng)頁(yè)內(nèi)容分析等方面的理論,為建立主題爬蟲(chóng)墊定了基礎(chǔ)。
  (2)研究并改進(jìn)了主題相關(guān)度判定算法。在傳統(tǒng)向量空間模型的基礎(chǔ)上,根據(jù)網(wǎng)頁(yè)的結(jié)構(gòu)特征,對(duì)特征項(xiàng)關(guān)鍵詞進(jìn)行加權(quán)。根據(jù)主題詞的語(yǔ)義多樣性,引入語(yǔ)義相似矩陣對(duì)網(wǎng)頁(yè)特征項(xiàng)進(jìn)行相似性轉(zhuǎn)換。提高了主題爬蟲(chóng)

3、對(duì)相關(guān)網(wǎng)頁(yè)的識(shí)別度和下載率,避免無(wú)關(guān)網(wǎng)頁(yè)的下載。
  (3)將全局搜索突出的遺傳算法和局部搜索效果較好的模擬退火算法引入到主題爬蟲(chóng)的搜索策略中,并結(jié)合了改進(jìn)的VSM相關(guān)度算法及URL鏈接的重要度共同計(jì)算待抓取URL的優(yōu)先級(jí)別,從而確定爬蟲(chóng)的抓取方向。
  (4)實(shí)現(xiàn)了一個(gè)行業(yè)定制的主題爬蟲(chóng)——澳洲建筑商服務(wù)系統(tǒng)中的爬蟲(chóng)模塊。詳細(xì)地從技術(shù)方面介紹了行業(yè)定制爬蟲(chóng)的特點(diǎn)。
  (5)在通用爬蟲(chóng)框架Heritrix的幫助下,對(duì)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論