本文關(guān)鍵詞：基于網(wǎng)頁結(jié)構(gòu)特征的垂直搜索引擎研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

文檔介紹：
上海交通大學(xué)工程碩士學(xué)位論文摘要第 I 頁基于網(wǎng)頁結(jié)構(gòu)特征的垂直搜索引擎研究與實(shí)現(xiàn)摘要隨著 的飛速發(fā)展,人們?cè)絹碓揭揽烤W(wǎng)絡(luò)來查找他們所需要的信息。的信息資源具有多樣性、分布性、開放性、時(shí)效性和異構(gòu)性的特點(diǎn),同一主題的信息通常分散存放在不同網(wǎng)站上,表現(xiàn)的形式也各不相同。垂直搜索引擎可以將這些信息按主題進(jìn)行抽取,以結(jié)構(gòu)化形式存儲(chǔ)。本文提出了一種基于網(wǎng)頁結(jié)構(gòu)特征的垂直搜索引擎模型。根據(jù)專業(yè)和行業(yè)網(wǎng)站的領(lǐng)域特點(diǎn),提出相應(yīng)主題的元數(shù)據(jù)統(tǒng)一表示標(biāo)準(zhǔn)。通過對(duì)對(duì)應(yīng)網(wǎng)站的網(wǎng)頁分析,依據(jù)元數(shù)據(jù)表示標(biāo)準(zhǔn)和網(wǎng)頁結(jié)構(gòu)特征,提煉出具體網(wǎng)站網(wǎng)頁的信息抽取模板。垂直搜索引擎根據(jù)該信息抽取模板對(duì)目標(biāo)網(wǎng)站進(jìn)行網(wǎng)頁爬行、頁面轉(zhuǎn)換、抽取數(shù)據(jù)和分離數(shù)據(jù)及保存數(shù)據(jù)。網(wǎng)站的信息抽取模板采用 XML 進(jìn)行描述,對(duì)應(yīng)網(wǎng)頁結(jié)構(gòu)特征。由于采用標(biāo)準(zhǔn)的 XML 并以文件形式存放,可以方便地在關(guān)心該網(wǎng)站信息的用戶之間共享。根據(jù)本文提出的基于網(wǎng)頁結(jié)構(gòu)特征的垂直搜索引擎模型,我們開發(fā)了一個(gè)基于網(wǎng)頁結(jié)構(gòu)特征的垂直搜索引擎系統(tǒng)。整個(gè)系統(tǒng)以元數(shù)據(jù)模型為基礎(chǔ),對(duì)網(wǎng)站網(wǎng)頁結(jié)構(gòu)進(jìn)行結(jié)構(gòu)化處理,獲得網(wǎng)頁的結(jié)構(gòu)化信息�；�于該搜索引擎,我們開發(fā)了車貨配物流等垂直搜索網(wǎng)站,在實(shí)踐中進(jìn)一步得到了檢... 內(nèi)容來自轉(zhuǎn)載請(qǐng)標(biāo)明出處.

  本文關(guān)鍵詞：基于網(wǎng)頁結(jié)構(gòu)特征的垂直搜索引擎研究與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。