Web信息采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩74頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著移動(dòng)終端的快速發(fā)展和普及,人們?cè)絹?lái)越習(xí)慣通過(guò)在移動(dòng)終端上安裝閱讀類(lèi)應(yīng)用軟件獲取感興趣的信息,與之伴隨的是平臺(tái)供應(yīng)商(也包括內(nèi)容提供商)必須構(gòu)建相應(yīng)的技術(shù)平臺(tái)來(lái)支撐這樣的業(yè)務(wù)模式。而這個(gè)平臺(tái)的內(nèi)容來(lái)源可通過(guò)兩種方式獲取。一種是手工編輯,另一種是通過(guò)程序自動(dòng)采集信息源的內(nèi)容。本文針對(duì)后者設(shè)計(jì)了一套Web信息采集的解決方案。
   論文首先介紹了課題的研究背景,研究現(xiàn)狀,以及信息抽取的相關(guān)技術(shù)和信息采集的工作原理,并對(duì)網(wǎng)頁(yè)結(jié)構(gòu)進(jìn)行

2、分析;接著,分析了系統(tǒng)的功能和面向的用戶,運(yùn)用用例圖和用例規(guī)約對(duì)系統(tǒng)進(jìn)行用例建模,分析了系統(tǒng)的非功能需求;然后,對(duì)系統(tǒng)進(jìn)行總體設(shè)計(jì)和數(shù)據(jù)庫(kù)設(shè)計(jì);再次,對(duì)系統(tǒng)進(jìn)行了詳細(xì)設(shè)計(jì)與實(shí)現(xiàn);最后,對(duì)系統(tǒng)進(jìn)行測(cè)試,驗(yàn)證了本方案的有效性。本文的主要工作如下:
   1.本文研究了如何在HTML文檔中快速定位目標(biāo)信息的方法,通過(guò)利用HTML標(biāo)簽和屬性及DOM的路徑表達(dá)式設(shè)計(jì)了信息的抽取規(guī)則,采用可視化界面和簡(jiǎn)單的人機(jī)交互來(lái)自動(dòng)生成信息的抽取規(guī)則,

3、并在此基礎(chǔ)上設(shè)計(jì)了一種實(shí)用的正文去噪解決方案。
   2.本課題包括采集配置子系統(tǒng)和采集子系統(tǒng)兩部分組成。采集配置子系統(tǒng)可將配置的采集任務(wù)通過(guò)Socket機(jī)制傳遞給采集子系統(tǒng),從而控制采集任務(wù)的開(kāi)啟、停止操作,使得用戶不必關(guān)心采集運(yùn)行過(guò)程即可得到采集結(jié)果。
   3.采集子系統(tǒng)根據(jù)用戶已配置的采集任務(wù),運(yùn)用多線程技術(shù)、數(shù)據(jù)庫(kù)連接池技術(shù)、動(dòng)態(tài)采集策略、多頁(yè)面合并技術(shù),定時(shí)對(duì)這些網(wǎng)站進(jìn)行信息采集、抽取、去噪、去重等,實(shí)現(xiàn)對(duì)相

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論