一种可扩展高效链接提取模型实现与验证.doc

一种可扩展高效链接提取模型实现与验证.doc

  1. 1、本文档共35页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种可扩展高效链接提取模型实现与验证

摘要 随着WWW(World Wide Web)越来越广泛的发展与应用,有哪些信誉好的足球投注网站引擎已经成为人们从中查找信息的重要工具;在有哪些信誉好的足球投注网站引擎的系统实现中,如何通过链接提取发现更多更广的Web资源又是影响有哪些信誉好的足球投注网站引擎性能的重要因素之一。 本文总结了设计链接提取模块所要求的“容错性”、“正确性”、“全面性”、“高效性”和“可扩展性”等五个目标,并从这些角度去分析传统的链接提取方法的不足,并作为改进,提出了一种新的设计思路。 本文将链接提取的过程划分为信息提取,信息加工,信息分析以及信息储存四个过程来进行研究。信息的获取通过HTML文法分析方法从文档中得到初始URI(Uniform Resource Indetifier)数据;信息加工阶段通过运用URI解析算法对初始数据进行精练;然后在信息分析过程中进一步地筛选与过滤;最后将结果存储在一个双链表结构中。 基于上述方法,本文实现了一个新的链接提取模型,并将该模型运用于北京大学天网WWW有哪些信誉好的足球投注网站引擎;在获得足够的实验数据之后,全面的比较了这种新的链接提取模式与传统方法在各项指标上的优劣。结果表明该模型有明显的优势。 关键字:有哪些信誉好的足球投注网站引擎,链接提取,统一资源地址(URI) Abstract As the World Wide Web is becoming more and more popular, search engine has become an essencial tool for people to look for certain information on the web. Among many factors to take into consideration in implementing a search engine, how to find more web resources using URL extractor is a very important one. This essay conludes the basic objectives in the design of URL extractor module, which are robustness, correctness, completeness, effectiveness and expansibility. With these objectives, the essay analyzes the weakness of original design and furthermore, generalizes a new and more powerful design method. The new method is devided into four procedures, that are Information Extraction, Information Refinement, Information Analysis and Information Storage. During the Information Extraction process, the initial URI (Uniform Resource Indentifier) information is extracted from HTML source using HTML BNF analysis method. The initial raw data is refined and normalized in the Information Refinement process and filtered in the Information Analysis phase. Eventually, the remaining correct and useful data is stored in a double-link structure. On implementing the above method, the essay has produced a new URL extractor module, and applies the module on PKU Tianwang WWW search engine,then after acquiring sufficient testing data, completely compares the new module with the original one. According to the comparison result, the new module is much better in many aspects. Keyword:

文档评论(0)

bokegood + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档