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68頁未讀 繼續(xù)免費(fèi)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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著因特網(wǎng)信息量的爆炸式增長,搜索引擎已經(jīng)是有效獲取信息的一種必要手段。為了滿足專門學(xué)科領(lǐng)域和特定主題的搜索用戶要求,主題搜索引擎在數(shù)據(jù)挖掘及信息檢索領(lǐng)域變得越來越受歡迎。
   本文在充分研究了搜索引擎工作原理及關(guān)鍵技術(shù)基礎(chǔ)上,重點(diǎn)分析了主題爬蟲在P2P網(wǎng)絡(luò)環(huán)境下實(shí)施的可行性和重要意義,設(shè)計(jì)了一種基于P2P分布式網(wǎng)絡(luò)的主題爬蟲PPSpider的總體框架,并在開源項(xiàng)目Heritrix基礎(chǔ)上,開發(fā)實(shí)現(xiàn)了基于此框架的主題爬蟲PPSp

2、ider,同時(shí)針對(duì)其爬行算法做了改進(jìn)及相關(guān)實(shí)驗(yàn)。本文的主要工作包括:
   (1)針對(duì)P2P網(wǎng)絡(luò)環(huán)境下主題模型難以確定的問題,本文首先利用通用的分類目錄建立各個(gè)主題的特征詞庫,再挖掘?qū)Φ裙?jié)點(diǎn)的本地資源建立空間向量模型,通過計(jì)算它與通用分類下各個(gè)主題向量模型的相似度來確定該節(jié)點(diǎn)的主題傾向,進(jìn)而確定主題模型。
   (2)針對(duì)通用的初始種子集可能遺漏邊緣信息及隱藏信息的問題,提出了利用節(jié)點(diǎn)本身行為的記錄信息來篩選出本地網(wǎng)頁種

3、子的方法。這樣的初始種子集合不僅能覆蓋熱點(diǎn)網(wǎng)頁,還能有效的覆蓋網(wǎng)絡(luò)邊緣節(jié)點(diǎn)的相關(guān)主題信息,提高了主題爬蟲的覆蓋率。
   (3)針對(duì)P2P分布式網(wǎng)絡(luò)下主題節(jié)點(diǎn)頻繁加入退出操作帶來的爬行效率低的問題,提出了一種sortURL機(jī)制來優(yōu)化爬行算法:通過計(jì)算URL的Hash值與節(jié)點(diǎn)Hash值的距離給待爬URL進(jìn)行排序,使得對(duì)等節(jié)點(diǎn)間的重復(fù)爬行頁面數(shù)降低,提高了爬行的效率。由于sortURL對(duì)主題相關(guān)頁面發(fā)現(xiàn)速度有影響,本文進(jìn)一步考慮率s

4、ortURL的改進(jìn)方案sortURL-Depth。
   綜上所述,基于P2P分布式網(wǎng)絡(luò)的主題搜索有較廣闊的應(yīng)用前景,而P2P網(wǎng)絡(luò)下的主題爬蟲作為其核心部分也一直成為研究的熱點(diǎn)。本文就此提出了一種建立主題模型的思想,設(shè)計(jì)和開發(fā)了基于P2P網(wǎng)絡(luò)的主題爬蟲PPSpider,并針對(duì)爬行算法做了改進(jìn),通過挖掘節(jié)點(diǎn)記錄篩選本地種子的實(shí)驗(yàn)結(jié)果表明改進(jìn)的初始種子集能較快地發(fā)現(xiàn)目標(biāo)網(wǎng)頁,而sortURL機(jī)制也能在不改變節(jié)點(diǎn)吞吐率和網(wǎng)絡(luò)開銷的前提

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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論