web輿情信息自動化采集系統(tǒng)的設(shè)計與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩85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、輿情作為群眾對于社會中存在的某些事件的觀點和態(tài)度的集合,對政府維護社會的穩(wěn)定、了解社會存在的問題,提高政府公信力有積極的作用。同時,輿情對公司準確及時掌握客戶對公司產(chǎn)品和服務(wù)的看法和建議,提升產(chǎn)品和服務(wù)的質(zhì)量,增強公司的綜合競爭力有深遠的戰(zhàn)略意義。Web2.0的興起,為Web輿情信息的自動化采集帶來了重大發(fā)展機遇,同時也對采集技術(shù)提出了新的挑戰(zhàn)。Web信息作為輿情信息的主要載體,因此,解決該類信息的采集問題,顯得更加迫切。從現(xiàn)有的研究成

2、果來看,Web輿情采集需要解決海量數(shù)據(jù)挖掘,數(shù)據(jù)實時分析以及數(shù)據(jù)分析的準確性等問題。
  本文首先對現(xiàn)有的Web信息抽取技術(shù)的國內(nèi)外研究現(xiàn)狀做了概要的總結(jié),然后對目前已有的研究成果進行了詳細的分析。結(jié)合實際項目的需要,提出了自己的web輿情信息采集方法。主要研究內(nèi)容如下:
  1.研究已有的信息采集模型和采集算法,并對它們的功能和優(yōu)缺點進行了對比和分析。采集模型主要包括理解模型、對象模型和視覺模型,采集算法包括本體論算法、馬

3、爾可夫算法等,總結(jié)比較全面。
  2.研究并提出了可視化信息采集模板生成技術(shù),將用戶操作行為(包括點擊下一頁超鏈接或者按鈕、點擊網(wǎng)頁某個元素、下拉列表等)轉(zhuǎn)化為采集模板,降低了模板的制作難度,并提高了模板的制作效率。
  3.實現(xiàn)了基于DOM樹和行塊分布函數(shù)的網(wǎng)頁正文提取子系統(tǒng),應(yīng)用了xpath和正則表達式等相關(guān)技術(shù),系統(tǒng)綜合采用了統(tǒng)計與規(guī)則相結(jié)合的方法來解決系統(tǒng)的通用性問題。
  4.實現(xiàn)了對采集到的web信息進行聚

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確性、安全性和完整性, 同時也不承擔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

評論

0/150

提交評論