【摘 要】
:
互联网信息规模的急剧增长,在给人们带来丰富信息资源的同时,也使人们迷失在信息海洋之中,传统的搜索引擎服务模式越来越难以满足互联网用户的需求。因此,面向某一特定领域的垂直
论文部分内容阅读
互联网信息规模的急剧增长,在给人们带来丰富信息资源的同时,也使人们迷失在信息海洋之中,传统的搜索引擎服务模式越来越难以满足互联网用户的需求。因此,面向某一特定领域的垂直搜索引擎技术逐渐成为当前的研究热点。本论文重点研究了垂直搜索引擎中的信息采集模块——主题网络爬虫,它是垂直搜索引擎中最关键的组成部分,是决定垂直搜索引擎性能好坏的重要指标。
本论文综合利用基于内容信息的主题相关度值与基于链接引用关系的网页重要度值预测待爬行URL的主题相关性,并引入遗传算法指导主题网络爬虫爬行,设计合理的适应于主题网络爬虫的选择、交叉、变异算子,进一步改善主题网络爬虫的性能。另外,在计算网页主题相关度时,本论文充分考虑了Web网页的半结构化特性,对不同HTML标记之间的内容赋予不同的权重。
最后本论文结合SecurityDataCollector系统的开发实现过程,设计并实现了一个面向信息安全领域的主题网络爬虫,通过这个可扩展的主题网络爬虫,对比分析了Bestfirstsearch算法、Sharksearch算法和本论文提出的综合利用文本内容信息和链接结构信息的基于遗传算法的爬行策略。实验结果表明,综合利用文本内容信息和链接结构信息的基于遗传算法的主题爬行策略会使网络爬虫的执行效率有所下降,但是网络爬虫的查准率明显高于Bestfirstsearch算法和Sharksearch算法,能够在一定程度上避免运行过程中出现“主题漂移”现象,防止过早地陷入局部最优,提高爬虫的全局搜索性能。
其他文献
该文在阐述整个会议电视系统工作原理及相关ITU-T建议的基础之上,着重探讨了会议电视终端的整体结构、实现原理和算法.各个章节基本按硬件、软件模块的功能划分.首先给出了终
摘要:荷兰著名学者弗赖登塔尔说过:“反思是数学的重要活动,是数学活动的核心和动力。”反思不仅能帮助学生更好地掌握数学基础知识,还可以帮助其找出自己在数学学习中存在的問题,从而提高学习效率。因此,在数学教学中培养学生的反思意识,并帮助其形成经常反思的习惯,显得尤为重要。 关键词:数学学习;反思;作用 中图分类号:G633.6 文献标识码:A 文章编号:1992-7711(2017)11-0063
达成无线通信系统的有效性和可靠性传输一直是移动通信业界孜孜以求的目标。在无线通信传输中,由于环境的复杂性,通信覆盖范围往往受到很大的约束限制。中继站作为一种有效的
背景与目的:病理性血管生成是肿瘤生长和转移的关键环节之一,因而阻断或抑制新生血管的生成是抗肿瘤治疗的有效策略。同时病理性血管生成也见于糖尿病视网膜病变、动脉粥样硬化
超宽带(Ultra-Wideband,UWB)无线通信技术是近年来无线通信领域兴起的研究热点。与传统的超宽带技术相比,基于 Chirp扩频(Chirp Spread Spectrum,CSS)的 Chirp超宽带技术除了
摘要:本文主要研究小学低年级语文“四环节”阅读教学策略,希望能促使小学生语文阅读效率的提高。 关键词:小学低年级;语文阅读;“四环节” 中图分类号:G633.33 文献标识码:A 文章编号:1992-7711(2017)11-0054 小学低年级语文“四环节”阅读教学策略包括“自读识字、合作交流、品读领悟、巩固延伸”四个基本环节。本策略根据低年级学生的特点和课程标准的要求,重视培养学生自主学
请下载后查看,本文暂不支持在线获取查看简介。
Please download to view, this article does not support online access to view profile.
该文提出了一种基于嵌入零树小波(Embebbed Zerotree Wavelet)EZW编码算法的改进算法,并进行了实验验证,收到了优于所述已有算法方案的实验效果.系统具有失真度小(尤其是诊断
摘要:随着新课程标准的实施,英语书面表达尤为重要。本文主要结合初中英语书面表达教学实际,针对当前农村初中英语书面表达中存在的某些问题,就如何有效地进行英语书面表达训练教学策略的探讨。 关键词:农村初中英语;训练策略;探讨;重视积累;循序渐进 中图分类号:G632.0 文献标识码:A 文章编号:1992-7711(2017)11-0058 书面表达是学生综合运用语言的重要途径,是学生应掌握的一
软件无线电技术的主要思想是,在通用的硬件平台上通过软件加载和重构实现多频段、多模式、多标准的通信,使不同电台互联互通。由于 SDR(软件无线电)平台具有数字化可编程的性