相似網(wǎng)頁(yè)去重算法的并行化研究與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè)，還剩63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(hù)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、華中科技大學(xué)碩士學(xué)位論文相似網(wǎng)頁(yè)去重算法的并行化研究與實(shí)現(xiàn)姓名：丁益斌申請(qǐng)學(xué)位級(jí)別：碩士專(zhuān)業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：李瑞軒20090522II華中科技大學(xué)碩士學(xué)位論文AbstractDuetotheWebmirrsplagiarismduplicatenearduplicatewebpagesarecreatingaseriesofproblemsfsearchengines.Iteitherleadstotheextraduplic

2、atepageindexstageexertsgreatburdentothesearchengines.Atthesametimethesearchingresultsfillingwithduplicatecontentgivetheusersanannoyingfeedback.Thustheeffectiveduplicatepagedetectionalgithmsareneededtodiscoverremovemostof

3、theduplicatesreducetheburdenofthecrawlersofsearchenginesleadtobetterperfmance.ThesearchenginetechnologyadvancesquicklyinrecentyearsthenearduplicateremovaliscrucialfWebdatagathering.Firstlywebpage’stopiccontentblockshould

4、berecognizedwhilenoiseinfmationsuchasadvertisementshouldberemoved.Thenthecontentwillbetokenizedaccdingtothelexiconthepage’sfeaturesetwillbecomputedbasedonshinglealgithm.AtlastSimhash’algithmwillbeadoptedtocomputethefinge

5、rprintofthepage’featureset.Thisfingerprintcanrepresentwebpage’stopiccontentfeatureiftwohavenearduplicatecontenttheirfingerprintwillhavesmallHammingDistance.Meoverthethesisputsfwardtheimprovedparallelprocessingmethodftrad

6、itionalShinglemethodfnearduplicatepageremoval.AtlastthisthesispresentsthearchitectureoftheWebpagegatheringsystemimplementsanearduplicatepageremovalprototypesystem.Theprototypesystemhastwowkingmode:oneisonlinewkingmodewhi

7、chsinglefingerprintwillbecomparedwithhugenumberofpreviousfingerprintdatatheotherisparallelprocessingmodewhichasetoffingerprintswillbecomparedwithhugenumberofpreviousfingerprintdata.Todistinguishfromtheonlinemodepreviousf

8、ingerprintdataissplittofixedsizeddatablockswhicharestedonthedistributedcomputingplatfmthehammingdistancecomputingprocessbetweenthesetoffingerprintthepreviousfingerprintdataisbasedontheMapReduceprogrammingparadigm.Through

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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)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(hù)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。

評(píng)論

0/150

提交評(píng)論