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64頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、分布式垂直搜索引擎技術(shù)是傳統(tǒng)的垂直搜索引擎技術(shù)和分布式技術(shù)的結(jié)合,它利用多臺計算機構(gòu)成一個分布式計算與處理集群,可以解決垂直搜索引擎面對大規(guī)模網(wǎng)頁數(shù)據(jù)時容易出現(xiàn)的響應(yīng)速度慢、準確率低、擴展性差以及可靠性低等問題。主題網(wǎng)絡(luò)爬蟲和網(wǎng)頁數(shù)據(jù)存儲都是分布式垂直搜索引擎技術(shù)的關(guān)鍵組成部分,而且主題網(wǎng)絡(luò)爬蟲的爬行效率、準確率以及網(wǎng)頁數(shù)據(jù)的存取效率都與分布式垂直搜索引擎技術(shù)的整體性能有著至關(guān)重要的聯(lián)系。因此,對主題網(wǎng)絡(luò)爬蟲與網(wǎng)頁數(shù)據(jù)存儲進行研究具有較

2、大的理論意義和實用價值。
  本文首先對搜索引擎的相關(guān)理論知識和關(guān)鍵技術(shù)進行了研究與介紹,然后在此基礎(chǔ)上借鑒已有研究成果,對分布式垂直搜索引擎技術(shù)中主題網(wǎng)絡(luò)爬蟲和網(wǎng)頁數(shù)據(jù)存儲進行了較為詳細的研究,具體的研究內(nèi)容包括:
  (1)針對傳統(tǒng)的主題網(wǎng)絡(luò)爬蟲在連續(xù)爬行時準確率不易提高、在考慮鏈接結(jié)構(gòu)特性時計算的時間復(fù)雜度偏高等問題,研究并設(shè)計了學(xué)習(xí)型主題網(wǎng)絡(luò)爬蟲。首先,在爬行過程中添加學(xué)習(xí)過程,通過主題相關(guān)度分析、中心性計算以及相關(guān)

3、度判斷完成知識庫的創(chuàng)建與更新,以提高連續(xù)爬行時的準確率。然后,利用主從式的分布式架構(gòu),通過主節(jié)點控制、協(xié)調(diào)與管理多個從節(jié)點的并發(fā)運行,以提高爬行效率。最后,實驗結(jié)果驗證了學(xué)習(xí)型主題網(wǎng)絡(luò)爬蟲的準確性、高效性、可靠性以及易擴展性。
  (2)針對HDFS在存取大量網(wǎng)頁小文件時效率低的問題,研究并設(shè)計了網(wǎng)頁數(shù)據(jù)存儲架構(gòu)。首先,采用合并策略將主題相關(guān)的若干網(wǎng)頁小文件合并成網(wǎng)頁大文件,以提高存儲效率。其次,利用改進的存儲策略將合并后的網(wǎng)頁大

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論