版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在信息時(shí)代,資訊就是生產(chǎn)力。要從浩如煙海的互聯(lián)網(wǎng)上找到自己關(guān)注的新聞資訊,必須借助搜素引擎的幫助。目前市場(chǎng)上有著多種通用Web新聞搜索引擎,比如谷歌新聞、百度資訊等,但是它們都無(wú)法滿(mǎn)足企業(yè)級(jí)的定制新聞搜索需求。本課題的研究目標(biāo)是建立一個(gè)以Web新聞搜索引擎為核心,支持新聞搜索、處理和存檔的企業(yè)級(jí)集成工作平臺(tái),實(shí)現(xiàn)面向特定領(lǐng)域的高效、全面、準(zhǔn)確和可靠的定制型Web新聞搜索。定制型Web新聞搜索引擎處理信息量遠(yuǎn)小于通用型搜索引擎,因此可以以
2、更快的速度、更精確的匹配算法獲取新聞,并抽取出來(lái)自異構(gòu)數(shù)據(jù)源的新聞?wù)模D(zhuǎn)換為統(tǒng)一格式,方便用戶(hù)使用。在本文中,我們首先分析了目前國(guó)內(nèi)外的主要Web新聞搜索技術(shù),結(jié)合定制型Web新聞搜索的實(shí)際需求,研究了基于模板的分布式Web新聞搜索的兩個(gè)關(guān)鍵技術(shù):1)網(wǎng)絡(luò)爬蟲(chóng)的分布式架構(gòu)和多爬蟲(chóng)間的動(dòng)態(tài)任務(wù)分發(fā)。我們?cè)O(shè)計(jì)并實(shí)現(xiàn)了多爬蟲(chóng)和單協(xié)調(diào)服務(wù)器組成的分布式搜索引擎架構(gòu),各個(gè)爬蟲(chóng)從協(xié)調(diào)服務(wù)器領(lǐng)取任務(wù),再將完成的搜索結(jié)果集中到協(xié)調(diào)服務(wù)器。同時(shí)我們針對(duì)
3、協(xié)調(diào)服務(wù)器上的任務(wù)分發(fā),提出了基于歷史數(shù)據(jù)的最短耗時(shí)分發(fā)算法,使分布式系統(tǒng)整體完成搜索任務(wù)的耗時(shí)最少。2)基于模板的Web新聞?wù)某槿〖夹g(shù)。為了高效準(zhǔn)確地從新聞網(wǎng)頁(yè)中抽取出新聞?wù)膬?nèi)容,我們基于模板技術(shù),設(shè)計(jì)并實(shí)現(xiàn)了新聞網(wǎng)站模板標(biāo)簽的自動(dòng)檢測(cè)和基于該模板標(biāo)簽的新聞?wù)膬?nèi)容自動(dòng)抽取。該新聞?wù)膬?nèi)容抽取算法的時(shí)間復(fù)雜度達(dá)到了O(n),能自動(dòng)化完成模板標(biāo)簽的構(gòu)建和Web新聞?wù)膬?nèi)容的抽取。然后,在關(guān)鍵技術(shù)研究的基礎(chǔ)上,我們結(jié)合咨詢(xún)公司w公司的
4、實(shí)際業(yè)務(wù)需求,基于UML技術(shù)完成了定制型Web新聞搜索引擎的詳細(xì)需求分析和架構(gòu)設(shè)計(jì),包括用例模型、靜態(tài)邏輯模型和動(dòng)態(tài)邏輯模型,并采用.Net技術(shù)和PostgreSql數(shù)據(jù)庫(kù)實(shí)現(xiàn)了一個(gè)新聞搜索平臺(tái),通過(guò)了功能測(cè)試和性能測(cè)試。目前,該平臺(tái)已在企業(yè)中進(jìn)行了試用,能較好地滿(mǎn)足其業(yè)務(wù)需求,每天用5個(gè)爬蟲(chóng)在4.5小時(shí)中搜索到3萬(wàn)條符合關(guān)鍵字的新聞;查全率為92%,高于谷歌資訊的38.15%和百度資訊的19.2%;準(zhǔn)確率90.5%,高于w公司原有工具
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(qǐng)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(hù)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。
最新文檔
- 基于模板的Web新聞搜索技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于WEB平臺(tái)的混合搜索的研究與實(shí)現(xiàn).pdf
- 基于WEB技術(shù)的新聞發(fā)布系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于web技術(shù)的新聞發(fā)布系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
- 基于規(guī)則模板的Web信息抽取技術(shù)與實(shí)現(xiàn).pdf
- 基于DOM樹(shù)的web新聞?wù)某槿〖夹g(shù)的研究與實(shí)現(xiàn).pdf
- 基于Web的新聞采編系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于主題的新聞搜索引擎的研究與實(shí)現(xiàn).pdf
- 基于Lucene的Web信息搜索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- Web服務(wù)注冊(cè)與相似性搜索技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于web的新聞采編系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Web文本挖掘的主題搜索系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于文本的Web圖片搜索引擎的研究與實(shí)現(xiàn).pdf
- 基于WEB的空間信息搜索引擎的研究與實(shí)現(xiàn).pdf
- 基于Web的網(wǎng)絡(luò)搜索技術(shù)研究.pdf
- 基于主題的WEB信息提取及智能搜索技術(shù)研究與實(shí)現(xiàn).pdf
- 基于本體的語(yǔ)義Web服務(wù)搜索技術(shù)的研究.pdf
- 基于語(yǔ)義的Web搜索引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Web的新聞管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于WEB的推薦技術(shù)的研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論