網(wǎng)頁信息智能采集與個性化服務(wù)系統(tǒng)的研究與實現(xiàn).pdf

1、　　隨著互聯(lián)網(wǎng)在全球的快速發(fā)展，網(wǎng)上的信息每天都在呈指針數(shù)級的增長，用戶可以在網(wǎng)上獲得越來越豐富的信息資源。但是，隨著信息類型日漸多樣化，如何快速、準(zhǔn)確找到自己感興趣的信息成為困擾用戶的難題，原始的信息獲取方式在很大程度上已經(jīng)不能滿失足用戶的個性別化需求，以用戶為中心的個性化信息采集與服務(wù)模式已成為當(dāng)前研究的熱點之一。本文研究與實現(xiàn)的系統(tǒng)將信息采集技術(shù)與信息服務(wù)技術(shù)相結(jié)合，通過信息采集技術(shù)獲取互聯(lián)網(wǎng)上的實時信息，為信息推送服務(wù)提供數(shù)據(jù)源

2、，再根據(jù)不同用戶的需求，創(chuàng)建用戶的興趣模型，以多種方式為用戶提供專屬的信休息服務(wù)。
　　本文采用廣度優(yōu)先遍歷算法結(jié)合網(wǎng)址的篩選策略(包括爬取深度、網(wǎng)址處理范圍和網(wǎng)址URL格式等)設(shè)計并實現(xiàn)了一款高效、實用的網(wǎng)絡(luò)爬蟲，通過并行處理方式進(jìn)行URL地址的爬取，極大的提高了爬取效率。在信息抽取技術(shù)中，結(jié)合網(wǎng)頁信息的特點采用了基于模板的網(wǎng)頁信息抽取技術(shù)，將網(wǎng)頁上非結(jié)構(gòu)化的信息提取轉(zhuǎn)化為結(jié)構(gòu)化的信息保存到數(shù)據(jù)庫中，經(jīng)過信息的去噪和分類等后期