基于表單的深度搜索技術研究.pdf_第1頁
已閱讀1頁，還剩65頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、目前大多數(shù)搜索引擎僅僅搜索超鏈接可以搜索到的靜態(tài)網(wǎng)頁,而許多的重要數(shù)據(jù)存放在web的后臺數(shù)據(jù)庫中,它們需要通過表單查詢的方式獲取,相應的網(wǎng)頁稱為隱藏網(wǎng)頁。為了幫助用戶獲取更多的信息,本文討論隱藏頁面的搜索方法,給出了系統(tǒng)架構,并討論其中的關鍵技術。 本文首先分析了當前普遍采用的互聯(lián)網(wǎng)信息搜索引擎的優(yōu)缺點,比較通用搜索與深度搜索的不同,提出了適合深度搜索的爬行策略,即利用鏈接分類、文本分類進行聚焦爬行。并通過設置同一站點內(nèi)停止搜索

2、標準條件,對規(guī)則網(wǎng)站設置路徑學習,盡量找到含有表單的網(wǎng)頁。 本文通過模擬用戶訪問深度網(wǎng)頁的過程,開展了如下工作：首先,通過調(diào)查研究,提出適合能快速有效地下載含有表單的網(wǎng)頁的爬行策略；然后處理網(wǎng)頁,抽取出表單信息,將網(wǎng)頁表單信息轉換成程序可以理解的形式,即對表單進行建模。其次,利用啟發(fā)式規(guī)則和表單分類方法提取有用的表單。再次,對表單標簽和語義詞進行提取,自動填寫提交,找到需要網(wǎng)頁。 本文充分利用表單的結構和文本信息,其中的

溫馨提示

  • 1. 本站所有資源如無特殊說明，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，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論