基于表單的深度搜索技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩65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),請進行舉報或認領(lǐng)

文檔簡介

1、目前大多數(shù)搜索引擎僅僅搜索超鏈接可以搜索到的靜態(tài)網(wǎng)頁,而許多的重要數(shù)據(jù)存放在web的后臺數(shù)據(jù)庫中,它們需要通過表單查詢的方式獲取,相應(yīng)的網(wǎng)頁稱為隱藏網(wǎng)頁。為了幫助用戶獲取更多的信息,本文討論隱藏頁面的搜索方法,給出了系統(tǒng)架構(gòu),并討論其中的關(guān)鍵技術(shù)。 本文首先分析了當(dāng)前普遍采用的互聯(lián)網(wǎng)信息搜索引擎的優(yōu)缺點,比較通用搜索與深度搜索的不同,提出了適合深度搜索的爬行策略,即利用鏈接分類、文本分類進行聚焦爬行。并通過設(shè)置同一站點內(nèi)停止搜索

2、標(biāo)準(zhǔn)條件,對規(guī)則網(wǎng)站設(shè)置路徑學(xué)習(xí),盡量找到含有表單的網(wǎng)頁。 本文通過模擬用戶訪問深度網(wǎng)頁的過程,開展了如下工作:首先,通過調(diào)查研究,提出適合能快速有效地下載含有表單的網(wǎng)頁的爬行策略;然后處理網(wǎng)頁,抽取出表單信息,將網(wǎng)頁表單信息轉(zhuǎn)換成程序可以理解的形式,即對表單進行建模。其次,利用啟發(fā)式規(guī)則和表單分類方法提取有用的表單。再次,對表單標(biāo)簽和語義詞進行提取,自動填寫提交,找到需要網(wǎng)頁。 本文充分利用表單的結(jié)構(gòu)和文本信息,其中的

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。

評論

0/150

提交評論