基于Web信息獲取的新聞數(shù)據(jù)分析研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展,針對于日益膨脹的Web信息,搜索引擎成為人們應用Web的一個信息導航工具。其中,有著行業(yè)色彩并且兼有“專、精、深”特點的垂直搜索引擎越來越受到用戶的青睞。現(xiàn)在,垂直搜索引擎已經(jīng)覆蓋了很多行業(yè):房產(chǎn)、求職、商務、醫(yī)療健康和公交出行等。但是經(jīng)調查研究發(fā)現(xiàn),關于外匯新聞的垂直搜索技術還沒有一個成熟的平臺,但是市場的需求是存在的?,F(xiàn)在關注外匯市場交易的人越來越多,基于這樣的需求,本文即結合垂直搜索引擎技術設計了以外匯新聞為

2、主題的新聞分析引擎系統(tǒng),用以幫助匯市的用戶更加方便的掌握外匯市場方面的訊息。
   本文應用開源軟件Heritrix作為爬蟲工具,對國內外著名外匯新聞網(wǎng)站進行信息的抓取,通過對Heritrix的一些組件進行定制,得以對抓取的新聞信息進行搜集和初步過濾。然后對網(wǎng)頁內容進行分析,去除文本格式,通過過濾算法,轉換為文本文字。進而將這些信息進行進一步的分詞,過濾高頻詞匯和虛詞,得到適合于索引的語素單元組合。利用Lucene工具并且結合倒

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論