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61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(rèn)領(lǐng)

文檔簡介

1、隨著互連網(wǎng)的迅猛發(fā)展,越來越豐富的信息展現(xiàn)在人們面前,但是面對海量的互聯(lián)網(wǎng)資源,人們感興趣的往往只是某一領(lǐng)域的專門信息。如何從紛繁蕪雜的網(wǎng)絡(luò)信息中快速準(zhǔn)確地找到人們希望的信息,是一個意義巨大的問題。1994年開始出現(xiàn)的基于Web的網(wǎng)絡(luò)爬行器自然而然地成為人們的希望所在,雖然通用網(wǎng)絡(luò)爬行器已經(jīng)給人們提供了極大的便利,但是由于它的綜合性,不具備面向?qū)I(yè)的特點,所以在準(zhǔn)確性和速度等方面存在不足;為了提高信息服務(wù)的質(zhì)量,人們開始研究面向主題的網(wǎng)

2、絡(luò)爬行器。
  本文主要研究面向主題網(wǎng)絡(luò)爬行器的兩個方面的問題,一是如何充分定義這里的主題,二是如何有效的排序爬行器的待下載鏈接隊列中的鏈接,來使得只需訪問很少的不相關(guān)的頁面,就能夠得到很多的相關(guān)的頁面的鏈接。本文結(jié)合網(wǎng)頁的半結(jié)構(gòu)化信息特征,提出了一種新的基于內(nèi)容的爬行策略,實驗結(jié)果顯示這是一種尋找主題相關(guān)頁面很有效的方法。
  Blog作為一種新興的互聯(lián)網(wǎng)現(xiàn)象,正在被越來越多的人所關(guān)注,本文把Blog作為一種特殊的“主題”

3、,設(shè)計并實現(xiàn)了一個面向Blog的網(wǎng)絡(luò)爬行器。
  隨著互聯(lián)網(wǎng)的爆炸性增長,Web已經(jīng)發(fā)展成為站點遍布全球的巨大信息服務(wù)網(wǎng)絡(luò)。就目前互聯(lián)網(wǎng)的規(guī)模來說,單機版的網(wǎng)絡(luò)爬行器已無法在一個有效的時間范圍內(nèi)完成一次搜集整個Web的任務(wù)。分布式網(wǎng)絡(luò)爬行器采用多機并行工作,提高整個系統(tǒng)的工作效率,并具有良好的可擴展性,是必然的發(fā)展趨勢。
  本文在分布式設(shè)計中,主要考慮了節(jié)點內(nèi)部多個線程的并行和節(jié)點之間的分布式并行。并重點討論了節(jié)點之間的分

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(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, 同時也不承擔(dān)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