網(wǎng)頁(yè)信息智能采集與個(gè)性化服務(wù)系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、　　隨著互聯(lián)網(wǎng)在全球的快速發(fā)展，網(wǎng)上的信息每天都在呈指針數(shù)級(jí)的增長(zhǎng)，用戶可以在網(wǎng)上獲得越來(lái)越豐富的信息資源。但是，隨著信息類(lèi)型日漸多樣化，如何快速、準(zhǔn)確找到自己感興趣的信息成為困擾用戶的難題，原始的信息獲取方式在很大程度上已經(jīng)不能滿失足用戶的個(gè)性別化需求，以用戶為中心的個(gè)性化信息采集與服務(wù)模式已成為當(dāng)前研究的熱點(diǎn)之一。本文研究與實(shí)現(xiàn)的系統(tǒng)將信息采集技術(shù)與信息服務(wù)技術(shù)相結(jié)合，通過(guò)信息采集技術(shù)獲取互聯(lián)網(wǎng)上的實(shí)時(shí)信息，為信息推送服務(wù)提供數(shù)據(jù)源

2、，再根據(jù)不同用戶的需求，創(chuàng)建用戶的興趣模型，以多種方式為用戶提供專(zhuān)屬的信休息服務(wù)。
　　本文采用廣度優(yōu)先遍歷算法結(jié)合網(wǎng)址的篩選策略(包括爬取深度、網(wǎng)址處理范圍和網(wǎng)址URL格式等)設(shè)計(jì)并實(shí)現(xiàn)了一款高效、實(shí)用的網(wǎng)絡(luò)爬蟲(chóng)，通過(guò)并行處理方式進(jìn)行URL地址的爬取，極大的提高了爬取效率。在信息抽取技術(shù)中，結(jié)合網(wǎng)頁(yè)信息的特點(diǎn)采用了基于模板的網(wǎng)頁(yè)信息抽取技術(shù)，將網(wǎng)頁(yè)上非結(jié)構(gòu)化的信息提取轉(zhuǎn)化為結(jié)構(gòu)化的信息保存到數(shù)據(jù)庫(kù)中，經(jīng)過(guò)信息的去噪和分類(lèi)等后期