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72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、隨著互聯(lián)網(wǎng)內(nèi)容爆發(fā)式的增長,搜索引擎成為人們使用互聯(lián)網(wǎng)時的主要入口。然而,面對當(dāng)前互聯(lián)網(wǎng)中的海量信息,傳統(tǒng)搜索引擎在抓取速度、存儲容量以及查準(zhǔn)率和查全率方面很難適應(yīng)現(xiàn)在的互聯(lián)網(wǎng)環(huán)境。本文結(jié)合云計算相關(guān)技術(shù),研究了搜索引擎系統(tǒng)中文本去重、頁面索引以及網(wǎng)絡(luò)信息采集這三個關(guān)鍵技術(shù),具體工作如下:
  首先,為了減少存儲系統(tǒng)中重復(fù)頁面的數(shù)量,本文在傳統(tǒng)的文本去重算法Shingling的基礎(chǔ)上,結(jié)合LCS問題的解決方法,提出了與位置相關(guān)的改

2、進的Shingling去重算法SWLR(ShinglingwithLocationRelationship)。提高了文本去重的查準(zhǔn)率和查全率。通過與基于比特位的過濾算法相結(jié)合,本文進一步提出了快速SWLR算法,實驗結(jié)果表明,快速SWLR算法在沒有降低相似性檢測效果的前提下,顯著提升了SWLR算法運算的性能。
  其次,為了提高頁面索引中短語查詢的效率,本文在倒排索引模型的基礎(chǔ)上提出了基于鏈表結(jié)構(gòu)的倒排索引模型,通過在倒排索引模型的

3、Term節(jié)點中增加指向相鄰關(guān)鍵詞的指針,在通過關(guān)鍵詞短語進行查詢時,可以在單位時間內(nèi)查找到相鄰的關(guān)鍵詞并進行匹配。實驗結(jié)果表明,基于鏈表結(jié)構(gòu)的倒排索引模型在索引構(gòu)建、查詢以及內(nèi)存消耗方面均具有性能優(yōu)勢。
  最后,本文結(jié)合云計算環(huán)境,提出了一種基于Hadoop的網(wǎng)絡(luò)爬蟲系統(tǒng)。在該系統(tǒng)中,解析與爬行兩個子系統(tǒng)并行運行,從而充分利用計算機的I/O資源和計算資源。實驗結(jié)果表明,本文提出的網(wǎng)絡(luò)爬蟲系統(tǒng)具有很好的系統(tǒng)擴展能力和負載均衡能力。

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(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。

評論

0/150

提交評論