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73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Internet的迅速發(fā)展,簡易、可擴展、平臺無關的Web技術逐漸盛行,Web動態(tài)頁面也正在逐步取代靜態(tài)頁面?;赪eb動態(tài)頁面的一些特性,深度網頁(亦稱Deep Web或深網)的出現(xiàn)也就成了必然的趨勢。搜索引擎的出現(xiàn)在一定程度上為用戶搜集、獲取網絡信息提供了有效的途徑。傳統(tǒng)的搜索引擎呈現(xiàn)給用戶的主要是類似純文本的非結構化數(shù)據(jù),但深度網頁數(shù)據(jù)作為一種結構化數(shù)據(jù),顯然無法通過傳統(tǒng)搜索引擎被獲取到。隨著對深度網頁技術研究的不斷深入,通過

2、搜索引擎獲取深度網頁數(shù)據(jù)已經成為深度網頁研究領域的一項新課題。
   本文主要是基于深度網頁爬蟲并結合Lucene搜索引擎構架中的核心索引類和核心查詢類構建了一種基于深度網頁爬蟲的搜索引擎原型。在整個原型系統(tǒng)的實現(xiàn)過程中,主要從深度網頁站點信息搜集、深度網頁查詢接口判定、深度網頁表面預處理以及關聯(lián)表單查詢模板輸入值等四個方面對深度網頁爬蟲的研究和實現(xiàn)進行了分析和探討。本文在查詢接口判定方面,主要是根據(jù)DOM樹的原理,對網頁數(shù)據(jù)進

3、行了特征分析和識別。
   在對深度網頁進行表面預處理方面,本文提出了關聯(lián)表單查詢模板的選擇算法。這種算法是在對網頁表單輸入值進行建模的基礎上,通過對表單頁面的查詢處理過程進行分析和研究所提出的。另外,在表單查詢模板輸入值的選擇方面,本文采用了一種迭代探索的算法,結合加權分析技術,對后臺表單數(shù)據(jù)庫通過查詢獲取到深度網頁中的數(shù)據(jù)。
   在搜索引擎構架方面,本文利用了Lucene開源搜索引擎框架提供的兩個核心類,即核心索引

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