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106頁未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、互聯(lián)網(wǎng)中的資源極其豐富,但是如何有效的獲取卻是一件困難的事情。搜索引擎是解決這個(gè)問題的最好方法。隨著搜索技術(shù)的發(fā)展,現(xiàn)在垂直搜索引擎已經(jīng)闖進(jìn)人們的視線。對(duì)垂直搜索技術(shù)的研究旨在為人們提供更有力的信息獲取工具,以應(yīng)對(duì)信息爆炸帶來的嚴(yán)重挑戰(zhàn)。與通用搜索不同,垂直搜索能夠提供更加直觀更加精確的結(jié)果,滿足了相當(dāng)一部分用戶的需求,極大的推動(dòng)了搜索引擎市場(chǎng)的細(xì)分和發(fā)展。 本文首先回顧了垂直搜索引擎研究的歷史,接著詳細(xì)介紹和分析了Spider

2、的系統(tǒng)構(gòu)架和技術(shù)性能,深入研究探討了當(dāng)前的主流Spider關(guān)鍵技術(shù),包括Web信息抽取,分裝器生成,網(wǎng)頁排序,歸納學(xué)習(xí)等,并對(duì)當(dāng)前具有代表性的搜索引擎爬蟲進(jìn)行了較詳細(xì)的對(duì)比分析。 在此基礎(chǔ)上,以作者參與的中國電信集團(tuán)大型垂直搜索引擎系統(tǒng)開發(fā)項(xiàng)目為背景,本文提出了一個(gè)垂直搜索引擎爬蟲的設(shè)計(jì)構(gòu)架模型,詳細(xì)講述了實(shí)現(xiàn)這個(gè)模型的各個(gè)步驟和技術(shù)細(xì)節(jié),包括從最開始的HTML解析、Web頁面處理到關(guān)鍵性的模式匹配模板、結(jié)構(gòu)化信息抽取以及多線程

3、運(yùn)行等的設(shè)計(jì)思路和實(shí)現(xiàn)方法。由此模型構(gòu)架的系統(tǒng)相對(duì)于其它成熟系統(tǒng)的優(yōu)勢(shì)在適用面廣,并不局限于單一領(lǐng)域;極具人性化的頁面采集向?qū)?;信息抓取?zhǔn)確率高;應(yīng)用可靠性高。此模型的最大創(chuàng)新之處在于構(gòu)建了一種新的數(shù)據(jù)采集模式——特征自學(xué)習(xí)模式,該模式結(jié)合了手工模板和自動(dòng)語義分析模式兩方面的特點(diǎn),有效解決了準(zhǔn)確性與效率的矛盾。接著論文介紹了如何成功的將以上大部分設(shè)計(jì)理念和方法應(yīng)用到了號(hào)碼百事通商業(yè)搜索引擎項(xiàng)目中,并且通過了商業(yè)應(yīng)用級(jí)的功能和性能測(cè)試,取

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(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)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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。

評(píng)論

0/150

提交評(píng)論