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)的飛速發(fā)展,網(wǎng)絡(luò)上的信息數(shù)量激增。面對(duì)著數(shù)量龐大、紛繁復(fù)雜的互聯(lián)網(wǎng)信息,用戶如何可以快速、準(zhǔn)確并且全面地查找到自己所需要的信息已經(jīng)成為一個(gè)非常重要的問(wèn)題。傳統(tǒng)的通用搜索引擎面對(duì)這一問(wèn)題已經(jīng)越來(lái)越力不從心,因?yàn)橐晃蹲非蟾吒采w率而造成了資源浪費(fèi),并且返回給用戶的查詢結(jié)果中經(jīng)常包含用戶不關(guān)心的網(wǎng)頁(yè)。針對(duì)這些問(wèn)題,垂直搜索引擎應(yīng)運(yùn)而生,它只收集與用戶關(guān)心的主題相關(guān)的網(wǎng)頁(yè)。主題爬蟲(chóng)是垂直搜索引擎的重要組成部分,它負(fù)責(zé)分析網(wǎng)頁(yè)是否與主題相
2、關(guān)和具體的抓取過(guò)程。
主題爬蟲(chóng)有兩個(gè)重要問(wèn)題:如何判斷一個(gè)待爬取網(wǎng)頁(yè)是否與主題相關(guān)以及如何調(diào)度URL。針對(duì)這兩個(gè)問(wèn)題,本文在國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上,分別提出了一種解決方案:
傳統(tǒng)的基于內(nèi)容評(píng)價(jià)的URL分析模型雖然準(zhǔn)確率較高,但是效率較低,而且可能給予質(zhì)量不高的網(wǎng)頁(yè)較高的得分,而基于鏈接評(píng)價(jià)的URL分析模型卻完全忽略了網(wǎng)頁(yè)內(nèi)容,容易造成“主題漂移”問(wèn)題。本文將兩者有機(jī)地結(jié)合在一起,并引入用戶查詢來(lái)修正主題描述,
3、設(shè)計(jì)了一種內(nèi)容評(píng)價(jià)與鏈接評(píng)價(jià)相結(jié)合的URL分析模型,通過(guò)實(shí)驗(yàn)證明了該模型在準(zhǔn)確率等性能上的提高。
現(xiàn)有的爬蟲(chóng)URL調(diào)度技術(shù)都存在著一定的問(wèn)題,如易形成控制節(jié)點(diǎn)瓶頸、URL分配不均衡等。本文針對(duì)這些問(wèn)題設(shè)計(jì)了一種面向多節(jié)點(diǎn)并行爬取的URL調(diào)度方案。該方案采用擴(kuò)展bloom filter模型進(jìn)行URL去重,采用一致性哈希進(jìn)行URL分配,采用UDT協(xié)議進(jìn)行URL批量傳輸。最后將這種方案應(yīng)用于主題爬蟲(chóng)中,通過(guò)實(shí)驗(yàn)證明了該方案負(fù)載比
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
- 面向網(wǎng)絡(luò)爬蟲(chóng)的海量URL數(shù)據(jù)管理技術(shù)研究.pdf
- 基于URL及上下文的主題網(wǎng)絡(luò)爬蟲(chóng)研究.pdf
- 主題爬蟲(chóng)關(guān)鍵技術(shù)研究.pdf
- 主題網(wǎng)絡(luò)爬蟲(chóng)關(guān)鍵技術(shù)研究.pdf
- 主題爬蟲(chóng)關(guān)鍵技術(shù)研究及應(yīng)用.pdf
- 安卓技術(shù)信息的主題爬蟲(chóng)技術(shù)研究與實(shí)現(xiàn).pdf
- 基于URL及上下文的并行分塊處理主題爬蟲(chóng)研究.pdf
- 基于蟻群算法的主題爬蟲(chóng)技術(shù)研究與實(shí)現(xiàn).pdf
- 主題爬蟲(chóng)搜索策略及關(guān)鍵技術(shù)研究.pdf
- 主題爬蟲(chóng)的實(shí)現(xiàn)及其關(guān)鍵技術(shù)研究.pdf
- 網(wǎng)絡(luò)爬蟲(chóng)外文翻譯---基于網(wǎng)絡(luò)爬蟲(chóng)的有效url緩存
- 基于URL規(guī)則的聚焦爬蟲(chóng)及其應(yīng)用.pdf
- 垂直搜索引擎中的主題爬蟲(chóng)技術(shù)研究.pdf
- 聚焦爬蟲(chóng)技術(shù)研究.pdf
- 主題爬蟲(chóng)關(guān)鍵技術(shù)的研究.pdf
- 外文翻譯---基于網(wǎng)絡(luò)爬蟲(chóng)的有效url緩存
- 基于向量空間模型的主題爬蟲(chóng)算法研究.pdf
- 主題爬蟲(chóng)的研究與實(shí)現(xiàn).pdf
- 外文翻譯---基于網(wǎng)絡(luò)爬蟲(chóng)的有效url緩存
- 基于日志分析的增量主題爬蟲(chóng)研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論