基于Web的主題搜索應(yīng)用技術(shù)研究.pdf

1、進(jìn)入新世紀(jì)以來(lái)，互聯(lián)網(wǎng)絡(luò)上的Web空間發(fā)展日益迅速，Web信息在很多方面得到了廣泛的應(yīng)用，人們對(duì)Web信息的領(lǐng)域本體相關(guān)性和領(lǐng)先性的要求越來(lái)越高?；赪eb的主題搜索技術(shù)的發(fā)展和演進(jìn)，已經(jīng)成為有效開啟互聯(lián)網(wǎng)絡(luò)知識(shí)寶庫(kù)的關(guān)鍵之匙。Web信息搜索服務(wù)主要通過(guò)國(guó)內(nèi)外一些成熟的搜索引擎站點(diǎn)提供。 但是，目前被搜索引擎廣泛采用的Web信息獲取爬蟲系統(tǒng)存在著明顯的缺陷，缺陷是系統(tǒng)只能依據(jù)超鏈在Web空間里遍歷公開被索引的Web頁(yè)面，而對(duì)占據(jù)

2、大部分Web空間的隱含型Web頁(yè)面缺乏有效的獲取手段。隱含型Web頁(yè)面通常指那些由用戶與站點(diǎn)Web信息數(shù)據(jù)庫(kù)通過(guò)查詢表單Form發(fā)生交互而動(dòng)態(tài)產(chǎn)生的，帶有明顯領(lǐng)域主題色彩的Web頁(yè)面。針對(duì)這一問(wèn)題，本文展開了對(duì)隱含型Web頁(yè)面信息獲取技術(shù)的研究。在吸取國(guó)內(nèi)外相關(guān)網(wǎng)絡(luò)爬蟲系統(tǒng)理論知識(shí)的基礎(chǔ)上，新總結(jié)出了符合中文Web頁(yè)面呈現(xiàn)規(guī)律的，領(lǐng)域相關(guān)數(shù)據(jù)源接口Form啟發(fā)式發(fā)現(xiàn)與過(guò)濾原則，并基于Form領(lǐng)域本體相關(guān)性由其所包含表單項(xiàng)的領(lǐng)域相關(guān)度決定