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、隨著互聯(lián)網(wǎng)的迅速發(fā)展和普及,網(wǎng)絡(luò)已成為人們生活中不可缺少的一部分。網(wǎng)絡(luò)中存在著各式各樣的信息,這些信息以網(wǎng)頁為載體,呈現(xiàn)在用戶面前。網(wǎng)頁中蘊(yùn)含的豐富信息為企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)提供了新的情報(bào)信息來源。本論文的目的就是研究一種通用的企業(yè)競(jìng)爭(zhēng)情報(bào)獲取方式。在研究現(xiàn)有的Web信息提取技術(shù)的基礎(chǔ)上,本文提出了基于DOM樹和DBSCAN算法的Web信息提取算法,接著研究并構(gòu)建了基于Web信息提取的企業(yè)競(jìng)爭(zhēng)情報(bào)獲取模型。
首先,本論文全面系統(tǒng)的
2、闡述了Web信息提取和企業(yè)競(jìng)爭(zhēng)情報(bào)的研究現(xiàn)狀,介紹了企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)和企業(yè)競(jìng)爭(zhēng)情報(bào)獲取的理論基礎(chǔ),并依次介紹了本論文將使用的幾種網(wǎng)頁數(shù)據(jù)處理技術(shù),包括網(wǎng)絡(luò)爬蟲技術(shù)、Jsoup網(wǎng)頁解析技術(shù)、DOM和DBSCAN算法。接下來詳細(xì)介紹了Web信息提取的基本概念、技術(shù)分類和評(píng)價(jià)標(biāo)準(zhǔn)。
其次,本論文針對(duì)互聯(lián)網(wǎng)中網(wǎng)頁結(jié)構(gòu)多樣、易變等因素,通過研究網(wǎng)頁結(jié)構(gòu)中存在的一般規(guī)律,并結(jié)合DOM樹和DBSCAN聚類算法提出了新的Web信息提取算法。并
3、詳細(xì)介紹了算法中的幾個(gè)環(huán)節(jié),包括Web頁面預(yù)處理、構(gòu)建DOM樹及分段文本內(nèi)容獲取、基于 DBSCAN算法的網(wǎng)頁內(nèi)容提取。最后通過實(shí)驗(yàn)證明該算法能有效地獲取網(wǎng)頁中的正文文本信息,不依賴于網(wǎng)頁結(jié)構(gòu),具有較強(qiáng)的通用性。
最后,針對(duì)某一行業(yè)內(nèi)的企業(yè),基于網(wǎng)絡(luò)爬蟲技術(shù)、網(wǎng)頁解析技術(shù)和Web信息提取算法構(gòu)建企業(yè)競(jìng)爭(zhēng)情報(bào)獲取模型。該模型首先根據(jù)預(yù)留的網(wǎng)站網(wǎng)址,通過網(wǎng)絡(luò)爬蟲獲取該網(wǎng)址下的所有鏈接。然后通過網(wǎng)頁標(biāo)題來判斷網(wǎng)頁是否與行業(yè)領(lǐng)域相關(guān),
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。
最新文檔
- Web信息提取技術(shù)在企業(yè)競(jìng)爭(zhēng)情報(bào)平臺(tái)的應(yīng)用研究.pdf
- 面向Web的企業(yè)競(jìng)爭(zhēng)情報(bào)獲取研究.pdf
- 基于HTML網(wǎng)頁的Web信息提取研究.pdf
- 企業(yè)如何獲取競(jìng)爭(zhēng)情報(bào)信息?
- 基于Web信息挖掘的企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)的研究.pdf
- 基于WEB信息抽取的企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)研究.pdf
- 行業(yè)商情競(jìng)爭(zhēng)情報(bào)系統(tǒng)中信息提取、定制技術(shù)的研究.pdf
- 基于元數(shù)據(jù)的web信息提取方法研究.pdf
- 基于HTML Parser的Web信息提取技術(shù).pdf
- 基于機(jī)器學(xué)習(xí)的Web信息提取技術(shù)的研究.pdf
- 基于Web的實(shí)體信息提取和搜索研究.pdf
- 基于XML用戶定義需求的WEB信息提取研究.pdf
- 基于模板的Web頁面信息提取技術(shù)研究.pdf
- Web視頻信息提取研究.pdf
- Web頁面語義信息提取方法的研究.pdf
- 基于Web挖掘的信息提取與推薦相關(guān)研究.pdf
- 《競(jìng)爭(zhēng)情報(bào)的獲取》
- 面向微博的企業(yè)競(jìng)爭(zhēng)情報(bào)獲取研究.pdf
- 基于表格結(jié)構(gòu)的Web信息提取技術(shù)研究.pdf
- 面向微博的企業(yè)競(jìng)爭(zhēng)情報(bào)獲取研究
評(píng)論
0/150
提交評(píng)論