面向特定主題的網(wǎng)頁敏感內(nèi)容提取關(guān)鍵技術(shù)研究.pdf

1、作為信息學(xué)、網(wǎng)絡(luò)工程學(xué)的重要支撐技術(shù)，網(wǎng)絡(luò)爬蟲在信息時代的作用日益凸顯，它的相關(guān)技術(shù)發(fā)展受到廣泛關(guān)注。同時，網(wǎng)絡(luò)爬蟲技術(shù)也是檢索網(wǎng)絡(luò)敏感信息的主要手段之一，國內(nèi)外眾多的研究者都在研究這一課題。然而隨著研究的深入，網(wǎng)絡(luò)爬蟲技術(shù)的發(fā)展面臨著網(wǎng)絡(luò)中信息形式日趨復(fù)雜多樣性的挑戰(zhàn)。
　　針對這一問題，本文結(jié)合主題網(wǎng)絡(luò)爬蟲技術(shù)對網(wǎng)絡(luò)敏感信息檢索問題進行研究，主要取得了以下研究成果：
　　1.為了有效實現(xiàn)針對網(wǎng)絡(luò)中敏感內(nèi)容的提取，本文在深

2、入研究一般主題網(wǎng)絡(luò)爬蟲模型和網(wǎng)絡(luò)中敏感信息分布特點的基礎(chǔ)上，提出了面向特定主題的網(wǎng)頁敏感內(nèi)容提取技術(shù)模型，為針對敏感信息檢索的主題網(wǎng)絡(luò)爬蟲技術(shù)實現(xiàn)建立了基本框架。
　　2.為了有效利用基于鏈接分析的主題爬蟲技術(shù)的計算性能優(yōu)勢以及基于內(nèi)容分析的主題爬蟲技術(shù)的檢索準確性優(yōu)勢，本文基于現(xiàn)有的爬蟲策略，設(shè)計實現(xiàn)了基于PageRank策略改進的鏈接分析技術(shù)。
　　3.為了提高主題爬蟲技術(shù)針對網(wǎng)絡(luò)敏感信息的檢索準確度，實現(xiàn)對網(wǎng)頁中敏感信