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59頁未讀 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、伴隨著Web2.0技術(shù)的發(fā)展,作為一種典型的用戶創(chuàng)建內(nèi)容的應(yīng)用,網(wǎng)絡(luò)論壇在全世界非常流行。每天有無數(shù)個(gè)針對(duì)能夠想象到的所有話題或問題的頁面被互聯(lián)網(wǎng)用戶創(chuàng)建,因此論壇數(shù)據(jù)實(shí)際上已成為承載人類知識(shí)的巨大數(shù)據(jù)集。隨著網(wǎng)絡(luò)論壇信息量的增大,論壇網(wǎng)頁收集工具的精確性和高效性都面臨著巨大的挑戰(zhàn)。在這種形勢(shì)下,迫切需要開發(fā)一套高效的論壇爬蟲系統(tǒng)。
  本文圍繞著論壇爬蟲這一前沿技術(shù),通過深入研究網(wǎng)絡(luò)論壇的特征,網(wǎng)絡(luò)爬蟲的工作原理和相關(guān)技術(shù)的基礎(chǔ)

2、上,把網(wǎng)頁分塊的思想引入到論壇爬蟲的爬行策略中以及在各種論壇中如何實(shí)現(xiàn)對(duì)不同論壇服務(wù)器的爬行,本文的主要成果可歸納為以下幾個(gè)方面:
  本文在對(duì)網(wǎng)絡(luò)論壇進(jìn)行大量調(diào)研和深入分析的基礎(chǔ)上,歸納總結(jié)出論壇的基本特征;接著對(duì)現(xiàn)有爬蟲爬行論壇時(shí)遇到的問題進(jìn)行了分析,找出了引起這些問題的根源;為了解決這些問題,在主題爬蟲的一些爬行策略啟發(fā)下,把網(wǎng)頁分塊思想引入到論壇爬蟲中,并提出一些優(yōu)化論壇爬蟲的方法。
  本文研究了網(wǎng)頁分塊的一些算法

3、,提出了適合論壇頁面的分塊算法——基于論壇頁面結(jié)構(gòu)的垂直分塊算法(WPS-VSA)。實(shí)驗(yàn)表明,這種算法有較好的通用性,而且對(duì)論壇頁面有很高的頁面分塊精度。
  本文研究了網(wǎng)絡(luò)爬蟲的一些爬行策略,提出了適合大部分網(wǎng)絡(luò)論壇的通用論壇爬行算法——基于頁面分塊的論壇爬行算法(WPS-FCA)。利用此算法可以在線過濾無效頁面的鏈接;同時(shí)利用論壇頁面的特征解決了頁面翻頁問題,為那些利用論壇網(wǎng)頁內(nèi)容的數(shù)據(jù)挖掘應(yīng)用打下了良好的基礎(chǔ)。實(shí)驗(yàn)表明,這種

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(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)頁內(nèi)容里面會(huì)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(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。

評(píng)論

0/150

提交評(píng)論