开源智能软件平台XPress 项目汇报-精选.ppt

匹配算法一：石氏(石午光)算法 名称＋文件大小，各占一定百分比 文件大小 二者大小之差的百分比反比于比较结果 名称 假设前提：FTP文件名中前面的字符比后面的字符更能体现文件的内容 实际做法：前几个字符所占比重较大，越在后面的字符所占比重越小 开源智能-XPress * 匹配算法二：刘氏(刘菲菲)算法 前提假设：很多软件同时有中英文名 特点：中英文分别匹配，最大子串 步骤 过滤掉文件大小之差大于阀值的匹配 然后进行名称＋文件大小的匹配 对于名称匹配，分别拆分出各自名称的最大中文子串和最大英文子串 若一方无中(英)文子串，则只比较英(中)文子串；否则中英文子串都进行比较，各占一半的权重 比较子串时挑选出最长共同的子串，其占整个字符串的长度之比为匹配值 开源智能-XPress * 匹配结果 从web页面得到的文件名 从FTP得到的文件名 从web得到的文件大小 从FTP得到的文件大小 cuteftp 汉化修正版 cuteftp5.0.1.rar 1730560 1729565 二十五史全文检索阅读系统(完整版) 3.0 二十五史全文检索阅读系统 v3.0-25sBook30.exe10311417 winrar 3.20 简体中文版 WINRAR320CN.exe 974848 988031 picturetotv 1.4.4 汉化补丁 HB_PictureToTV_szl.exe 1231872 1232567 腾讯qq 2003 木子版 1.1 QQ2003 Preview4 木子版 1.0.exe 6507520 6507728 腾讯qq自动发消息专杀工具qqav 3.3 qqav311021.zip 486400 488208 腾讯qq自动发消息专杀工具qqav 3.3 qqav.exe 486400 516608 金山巨无霸(sobig)专杀工具 2001 Duba_Sobig.exe 45056 44032 internet设置工具-ieprosetup 1.2.2 简体版 IEProSetup1.1.zip 272384 257926 qq狙击手－ipsniper 3.2 IpSniper.zip 1220608 1215545 天网 maze 网络文件系统 1.02 beta Maze-1.02-win.exe 2869248 2869605 开源智能-XPress * 实际测试 实际查询 :7001/XPress Leapftp 网络蚂蚁 Maze 友情强档 开源智能-XPress * * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 Acdsee * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 Leapftp 网络蚂蚁 ，两个版本 Maze 友情强档 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 * 大吉大利 开源智能软件平台XPress 项目汇报 谢欣 2003年12月31日 * 目录 项目概述 系统 匹配算法 展望 开源智能-XPress * 项目概述 名称：“开源智能软件平台” ，Xpress 功能：对FTP资源分类整合，并附加从web上自动提取的的相关信息，为用户提供具有高可用性的WEB形式资源浏览、检索与下载服务。 特点：自动 开源智能-XPress * 商业经理：刘菲菲，软工 开发经理：谌贻容，语言所 档案经理：石武光，语言所 项目组长：谢 欣，网络 项目概述：团队成员 开源智能-XPress * 项目概述：商业计划回顾 本项目以宽带网络服务提供商为服务对象 协助其以低廉的价格对现有下载服务进行大规模扩充，快速提高其商业竞争力为目标。 2003年10月23日录音回放： 开源智能-XPress * 系统介绍 实际使用 :7001/XPress 开源智能-XPress * 系统结构图 Web页面抓取及信息提取 FTP信息抓取 软件信息匹配 用户接口 开源智能-XPress * 系统重点一：web信息提取 信息提取简介 基于模板（我们的选择） 基于Ontology 基于规则 基于语法 开源智能-XPress * 系统重点二：FTP有哪些信誉好的足球投注网站 利用天网文件有哪些信誉好的足球投注网站的技术 爬虫 多线程并行抓取 每个站点一个线程 开源智能-XPress * 系统重点三：匹配算法 对每个FTP文件匹配所有的软件资源，找出匹配值最大的一项，当匹配值大于某个预定的权值时，我们就认为匹配成功 不是百分之百正确 为什么不用MD5 在现实实施中不可能 文件大小往往不同 增加匹配成功度：语言版本，版本号 算法的假设前提，对于同种资源，从web上得到的软件和FTP上的文件 在