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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、自日內(nèi)瓦粒子物理實(shí)驗(yàn)室發(fā)明Web技術(shù)以來,Internet成為存貯信息知識的巨大倉庫。借助于它,人們用前所未有的方式共享思想和信息。人們逐漸習(xí)慣從Internet中獲取所需的信息,但如何從Internet中搜尋有價(jià)值的信息對于大多數(shù)人來說,仍是一件麻煩而困難的事情。搜索引擎的出現(xiàn)從一定程度上緩解了此矛盾,但信息量多,重復(fù)搜索浪費(fèi)大,查詢精度低等一系列問題困擾著搜索引擎的進(jìn)一步發(fā)展。 針對當(dāng)今搜索引擎中存在的問題,我們認(rèn)為定題式搜
2、索引擎是未來新的發(fā)展方向,Web信息量豐富的程度已經(jīng)超過了個(gè)人能夠全部消化理解的限度,定題式搜索具有迫切的現(xiàn)實(shí)意義。而定題式搜索就需要有一個(gè)定題數(shù)據(jù)采集系統(tǒng)。 另一方面,要提高搜索引擎的查準(zhǔn)率,除了從頁面文本內(nèi)容相似度計(jì)算著手外,超鏈結(jié)構(gòu)分析現(xiàn)在已成為幫助提高搜索結(jié)果質(zhì)量的最有效方法。 本文的工作主要分為兩大部分,一部分是定題數(shù)據(jù)采集Robot的設(shè)計(jì);另一部分是通過超鏈分析對頁面的重要性、主題相關(guān)性進(jìn)行評價(jià)。 在
3、定題數(shù)據(jù)采集Robot的設(shè)計(jì)中,本文工作主要圍繞Robot的體系結(jié)構(gòu)設(shè)計(jì)和定題式爬行采集算法,以及相關(guān)的一些必要工作,如Web頁面特征抽取、遵守網(wǎng)絡(luò)禮儀并避免對Web服務(wù)器造成錘打。定題式爬行算法主要解決待訪問的URL排序問題,這涉及頁面的重要性評價(jià),本文綜合超鏈文字(Anchor Text)和PageRank技術(shù)提出一種定題式搜索算法,使得與主題相關(guān)的頁面能夠被優(yōu)先訪問,并和廣度優(yōu)先搜索算法進(jìn)行對比實(shí)驗(yàn),采集效率較高。此外,根據(jù)目前I
4、nternet網(wǎng)頁的更新時(shí)間分布情況,采用周期大小可動態(tài)調(diào)整的頁面周期性回訪控制策略對頁面進(jìn)行經(jīng)常性更新。 通過Web結(jié)構(gòu)分析和超鏈分析方式發(fā)現(xiàn)權(quán)威性的站點(diǎn)或頁面,可以使得查詢結(jié)果更加精確,提高查準(zhǔn)率。 本文對頁面權(quán)威性分析方法Kleinberg的HITS算法和成功的搜索引擎Google所采用的PageRank技術(shù)作了重點(diǎn)介紹和分析,Google的PageRank技術(shù)主要被應(yīng)用在本文的數(shù)據(jù)采集Robot對URL的優(yōu)先級排
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(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自己和他人造成任何形式的傷害或損失。
最新文檔
- 定題搜索引擎Robot中若干關(guān)鍵技術(shù)的研究.pdf
- 搜索引擎中的數(shù)據(jù)存儲問題研究.pdf
- 專業(yè)搜索引擎分布式Robot設(shè)計(jì)研究.pdf
- 搜索引擎中索引剪枝的研究.pdf
- 傳統(tǒng)搜索引擎與智能搜索引擎比較研究.pdf
- [學(xué)習(xí)]搜索引擎優(yōu)化與搜索引擎營銷
- 搜索引擎
- 專業(yè)搜索引擎的數(shù)據(jù)存儲研究.pdf
- 搜索引擎及搜索引擎優(yōu)化(seo)實(shí)驗(yàn)
- 基于ROBOT的農(nóng)業(yè)信息搜索引擎設(shè)計(jì)與實(shí)現(xiàn).pdf
- 中文搜索引擎Robot技術(shù)研究與實(shí)現(xiàn).pdf
- 游戲搜索引擎 --搜索引擎demo系統(tǒng)中l(wèi)ucene索引的實(shí)現(xiàn)---畢業(yè)論文
- 圖像搜索引擎中信息采集技術(shù)的研究.pdf
- XML搜索引擎中索引技術(shù)的研究.pdf
- 游戲搜索引擎 --搜索引擎demo系統(tǒng)中l(wèi)ucene索引的實(shí)現(xiàn)---畢業(yè)論文
- 搜索引擎中搜索結(jié)果組織的研究.pdf
- 搜索引擎07011
- 全文搜索引擎
- 搜索引擎18307
- 搜索引擎06826
評論
0/150
提交評論