WEB到WAP的转换过程中页面去噪问题的研究

为了保证WEB到WAP转换结果的完备精练,主要针对转换过程中无用信息去除问题,提出一套页面去噪解决方案。首先根据节点大小位置通过算法判断节点是否为核心内容,在此基础上计算节点链接比,同阈值进行对比,进一步明确节点类型,为了避免误删,对于可能的噪音模块,采用正则表达式检测节点中链接的指向,如绝大多数指向其它网站,则断定该节点为噪音节点。最终通过构建项目实验平台,对该解决方案进行评估,证明该方案的有效性和可靠性。

一种基于噪音过滤包装器的Web新闻抽取方法

从海量Web新闻网页中抽取高纯度新闻,并以结构化的形式存储,是舆情监测、话题更新等研究的基础。本文提出一种基于噪音过滤包装器的方法抽取Web新闻,归纳包装器时,若2页面字符串对比失配,计算其字符串标签路径比,根据阈值α,标记不同符号区分新闻内容和噪音。同时提出了朴素贝叶斯Web新闻标题分类器和时间分类器抽取新闻题目和时间。实验结果表明,本文方法与其他抽取技术相比准确率和鲁棒性有显著的提高,具有重要的实际应用价值。

自适应最优搜索算法的网络蜘蛛的设计与实现

主题搜索引擎NonHogSearch改进了采用最优搜索算法的网络蜘蛛的搜索过程,控制了搜索的贪婪程度;并引入网页信噪比概念,从而判断网页是否属于所要搜索的主题页面;进一步,NonHogSearch在爬行过程中自动更新链接的权重,当得到主题相关页面时产生回报,将回报沿链接链路逆向反馈,更新链路上所有链接的Q值,这样避免了网络蜘蛛过早陷入Web搜索空间中局部最优子空间的陷阱,并通过并行方式实现多条链路的同时搜索,改进了搜索引擎的性能。实验证实了该算法在查全率与查准率两方面都有一定的优越性。

一种基于文本聚类的网页排序方法

提出一种新的网页排序方法-ClusterRank方法。该方法先对检索结果进行文本挖掘,然后利用Web网页的链接信息以及用户点击率对网页重要性的影响对挖掘结果进行排序。该算法可以引导用户进一步明确其检索需求。

A study of the strong pulses detected from PSR B0656+14 using the Urumqi 25-m radio telescope at 1540 MHz

We report on the properties of strong pulses from PSR B0656＋14 by analyzing the data obtained using the Urumqi 25-m radio telescope at 1540 MHz from August 2007 to September 2010.In 44 h of observational data,a total of 67 pulses with signal-to-noise ratios above a 5σthreshold were detected.The peak flux densities of these pulses are 58 to 194 times that of the average profile,and their pulse energies are 3 to 68 times that of the average pulse.These pulses are clustered around phases about 5-ahead of the peak of the average profile.Compared with the width of the average profile,they are relatively narrow,with the full widths at half-maximum ranging from 0.28 ° to 1.78 °.The distribution of pulse-energies follows a lognormal distribution.These sporadic strong pulses detected from PSR B0656＋14 have different characteristics from both typical giant pulses and its regular pulses.