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、隨著互聯(lián)網(wǎng)的快速普及發(fā)展,互聯(lián)網(wǎng)已經(jīng)融入人們生活的各個方面。互聯(lián)網(wǎng)已經(jīng)成為人們社交、獲取信息的重要的載體。人們將旅游路線、旅游景點(diǎn)、評價、感悟都分享在互聯(lián)網(wǎng)上,隨著旅游人數(shù)不斷增多以及用戶分享旅游信息快速增長,旅游景區(qū)網(wǎng)站、旅游網(wǎng)站等迅速發(fā)展,為用戶提供更多豐富旅游信息。面對大數(shù)據(jù)時代到來,大數(shù)據(jù)與旅游業(yè)結(jié)合越來越緊密,如何將復(fù)雜的互聯(lián)網(wǎng)旅游信息進(jìn)行準(zhǔn)確的收集整理以解決旅游信息數(shù)據(jù)量相對不足的核心問題。
在互聯(lián)網(wǎng)上的旅游信息有
2、各種數(shù)據(jù)類型,如結(jié)構(gòu)化的文本信息、半結(jié)構(gòu)化的網(wǎng)頁、無結(jié)構(gòu)的文本信息以及非結(jié)構(gòu)化視頻等文件類型,在 Web上旅游信息網(wǎng)頁結(jié)構(gòu)是異構(gòu)的、包含很多旅游信息無關(guān)的數(shù)據(jù)。因此,我們急需要解決主要問題有:如何從 Web上網(wǎng)頁精確抽取旅游信息;如何避免噪音數(shù)據(jù)的干擾;如何實(shí)現(xiàn)對大規(guī)模的數(shù)據(jù)存儲;如何快速從大規(guī)模的數(shù)據(jù)中查看所需要的旅游信息。
針對以上存在問題,本文提出基于Hadoop云計(jì)算數(shù)據(jù)采集模型的整合方案包含旅游信息收集、旅游網(wǎng)頁信息
3、抽取、信息檢索這三部分?;赪ebcollector開源網(wǎng)絡(luò)爬蟲框架來實(shí)現(xiàn)旅游信息的采集;對WebCollector進(jìn)行二次開發(fā),使用布隆過濾器去重URL、多線程解決 DNS解析瓶頸、廣度優(yōu)先遍歷策略等;收集旅游信息數(shù)據(jù)存儲到分布式HBase數(shù)據(jù)庫中和分布式文件系統(tǒng)(HDFS Hadoop Distributed File System)上;為了實(shí)現(xiàn)網(wǎng)頁去重,論文設(shè)計(jì)了MapReduce并行化LCS(Longest Common Sub
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
- 基于云計(jì)算技術(shù)的物流信息平臺研究
- 基于云計(jì)算技術(shù)的物流信息平臺研究
- 基于云計(jì)算技術(shù)的醫(yī)院信息系統(tǒng).pdf
- 基于Hadoop的云計(jì)算模型研究與應(yīng)用.pdf
- 基于Hadoop平臺的云計(jì)算構(gòu)建與日志分析.pdf
- 基于大數(shù)據(jù)應(yīng)用云計(jì)算技術(shù)評估詳實(shí)房屋震害損失的研究.pdf
- 云計(jì)算技術(shù)綜述
- 基于云計(jì)算技術(shù)的配電網(wǎng)潮流計(jì)算研究.pdf
- 云計(jì)算技術(shù)的專利問題研究.pdf
- 基于Hadoop技術(shù)的氣象數(shù)據(jù)采集及數(shù)據(jù)挖掘平臺的研究.pdf
- 云計(jì)算技術(shù)探析
- 云計(jì)算技術(shù)解析
- 大數(shù)據(jù)和云計(jì)算環(huán)境下的hadoop技術(shù)研究
- 基于Hadoop的云計(jì)算數(shù)據(jù)安全關(guān)鍵問題研究.pdf
- 基于云計(jì)算技術(shù)的郵件過慮機(jī)制研究與實(shí)現(xiàn).pdf
- 基于Hadoop的云計(jì)算應(yīng)用研究.pdf
- 基于Hadoop的云計(jì)算安全機(jī)制研究.pdf
- 基于云計(jì)算技術(shù)的社區(qū)醫(yī)聯(lián)體信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于云計(jì)算技術(shù)的傳統(tǒng)數(shù)據(jù)中心虛擬化研究與實(shí)踐.pdf
- 基于移動云計(jì)算技術(shù)的移動設(shè)備能耗優(yōu)化研究.pdf
評論
0/150
提交評論