基于本体的自动化网页搜集器

在网络信息时代,将有限的时间投入到查找无限的信息资源中是不可取的,如何使用户在信息大潮中搜索到有用的信息,已成为研究的重要课题。主动式网页搜索技术成为当今信息系统中重要的研究方向。基于本体的自动网页检索系统会主动提供关键词判断比对,进而提升网页搜集的精确度。

垂直搜索中网页抓取技术的研究

网页抓取是由一个称为网络爬虫的程序实现的,该程序是一个自动提取网页的程序,它为搜索引擎从万维网上下载网页,是搜索引擎的重要组成。网络爬虫从一个或若干初始网页的URL开始,获得初始网页上的URL,在抓取网页的过程中,不断从当前页面上提取新的URL放入队列,直到满足系统的一定停止条件。

Web多媒体资源搜索与相关文本提取研究

Web多媒体网页中多媒体资源的相关文本对于描述Web多媒体资源具有重要意义,利用Web多媒体网页搜集器搜集网络中包含多媒体资源的网页,对网页进行区域分析。根据多媒体资源所在网页中的嵌入形式,设计Web多媒体资源相关文本信息提取系统,准确提取Web页面中多媒体资源的相关文本。实验结果表明,该系统提取Web多媒体资源的相关文本准确率较高,有助于提高多媒体信息检索系统的查全率与查准率。

基于搜索引擎的网络敏感信息检索系统

本文详细的介绍一种基于Web搜索引擎技术的网络敏感信息检索系统的设计与实现。基于搜索引擎技术的信息检索融合了文本挖掘的思想,它以一定的策略在WEB上搜集和发现信息,在对信息进行处理和组织后,结合本行业的特点,为特殊用户提供信息检索服务。

一个增量搜集中国W eb的系统模型及其实现

针对中国W eb的高效增量搜集,设计试验考察了网页的短期变化规律,估算出增量搜集需要的最小搜集能力。提出一个通用的增量式搜集系统模型和它的性能准则,该模型阐明了增量搜集的运行原理。针对该模型,结合北大天网增量搜集系统的开发经验,讨论了它的性能瓶颈并给出解决方案。对增量搜集的两类目标——变化网页和新网页,探讨了相应的搜集策略。介绍了该模型的实现和性能状况。该文的工作为增量搜集系统的设计和实现提供了一个成功的模型。

基于知识本体的个人化网页检索系统设计

让使用者在浩瀚的信息大潮中搜索有用的信息,已成为研究的重要课题。因而主动式网页搜索技术成为当今信息系统中不可或缺的重要部分。本论文提出一本体论支持的Java程序网页搜集器,使用者只要输入关键词,系统在领域本体论的支持下,就会主动提供关键词判断比对,进而提升网页搜集的精确度。实验结果验证了本技术确实能提升网页搜集的精准度,同时能成功下载相关网页信息。