2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71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,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、現(xiàn)有的基于關鍵詞的搜索引擎雖然在一定程度上滿足了用戶查詢各種網(wǎng)絡信息的需要,但是沒有考慮用戶個體間的差異,無法滿足人們日益增長的個性化需求。中小型智能個性化網(wǎng)絡信息獲取系統(tǒng)憑借比搜索引擎更為優(yōu)質的網(wǎng)絡信息獲取服務贏得了越來越多的用戶的認同,已經(jīng)成為個性化網(wǎng)絡信息獲取技術的一個重要研究方向。但是,中小型智能個性化網(wǎng)絡信息獲取系統(tǒng)在用戶個性特征提取、基于用戶興趣的Web信息采集、網(wǎng)頁過濾等方面研究的滯后制約了這類系統(tǒng)的開發(fā)和使用。為此,本文

2、通過基于示例的中文Web信息自動獲取系統(tǒng)的研發(fā)對這些問題展開了研究。 本文主要對中文示例Web頁面的特征抽取、待過濾Web信息源的采集、Web頁面的過濾等系統(tǒng)開發(fā)過程中面臨的技術難題進行了研究,提出一些新的算法、機制:為了減輕用戶的使用負擔,提出了一種適用于少量中文正例Web頁面的特征抽取方法,使得用戶即使只提交一至兩個示例也可完成興趣定制,增強了系統(tǒng)的易用性;提出了一種基于元搜索的Web頁面聚焦采集機制,能快速、有針對性地采集

3、待過濾Web信息源,節(jié)約系統(tǒng)資源和網(wǎng)絡資源;提出了一種可調節(jié)的過濾閾值設定方法,可按用戶選取的過濾精確等級向用戶推送興趣Web頁面。另外,改進了基于分塊的HTML網(wǎng)頁去噪解析方法,可以有效地剔除各種頁面噪聲、解析出Web頁面的正文文本內容;設計的系統(tǒng)構架具有較好的可擴展性、可維護性、可伸縮性以及可靠性,對其它個性化Web信息獲取系統(tǒng)的開發(fā)也具有一定的借鑒意義。最后在上述基礎上,確立了系統(tǒng)的技術方案,并據(jù)此實現(xiàn)了一個原型系統(tǒng)。系統(tǒng)采用的技

4、術方案是:采用多層客戶機/服務器體系結構,引入偽正例Web頁面并結合《人民日報》切分標注語料抽取用戶提交的少量示例網(wǎng)頁的特征來建立用戶興趣模板、設置過濾閾值,構建元搜索引擎獲取待過濾Web信息源,使用向量空間模型過濾出興趣網(wǎng)頁并將它們推送給用戶,根據(jù)用戶對結果的反饋自適應地修改用戶興趣模板。 實驗結果表明,較基于關鍵詞的機器人搜索引擎而言,系統(tǒng)能充分考慮用戶的興趣偏好(示例),以較小的資源代價長期、主動地向用戶提供更加準確的We

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,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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