版權(quán)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(quán),請進行舉報或認領(lǐng)
文檔簡介
1、現(xiàn)有的網(wǎng)頁數(shù)據(jù)維護算法中,"按網(wǎng)頁變化頻率更新網(wǎng)頁"和"祛除鏡像網(wǎng)頁"是兩種很好的網(wǎng)頁數(shù)據(jù)維護方法.通過按網(wǎng)頁變化頻率類別更新網(wǎng)頁,我們可以近似做到每次去更新變化了的網(wǎng)頁,而不用訪問沒變化的網(wǎng)頁;發(fā)現(xiàn)并祛除鏡像網(wǎng)頁,可以避免搜索器維護多個有相同或近似內(nèi)容的網(wǎng)頁,節(jié)約系統(tǒng)的存儲空間,這兩個方法都可以極大的減少對網(wǎng)站的不必要訪問.對這兩個方法的深入研究,我們發(fā)現(xiàn)存在著兩個有待改進的問題.具體問題及改進算法如下:一.變化頻率分類:現(xiàn)有的網(wǎng)頁變
2、化頻率分類只是通過參考過去一段時間內(nèi)網(wǎng)頁是否變化這個特征來進行變化頻率分類,該算法的分類時間長,且對于剛下載的網(wǎng)頁,該方法無法分類.該文中,我們結(jié)合對網(wǎng)頁的動靜態(tài)特征、域名特征、緩存特征的分析,提出了一種改進的分類方法,使用該種方法,我們無須檢查網(wǎng)頁是否變化就可以進行變化頻率分類,并且可以減小分類需要的時間,提高分類速度.二.鏡像網(wǎng)頁的祛除:即對已經(jīng)發(fā)現(xiàn)的互為鏡像的n個網(wǎng)頁,我們應(yīng)該保留哪個網(wǎng)頁,而去掉其余n-1個網(wǎng)頁?一般的方法是按發(fā)
3、現(xiàn)順序保留第一個,去掉其余的鏡像,或是隨機選取其中一個,去掉其余鏡像.這些方法都沒有考慮網(wǎng)頁的重要性.該文中我們提出了一種與PageRank算法相結(jié)合的最優(yōu)策略,即先計算出所有網(wǎng)頁的PageRank值,然后對于相同的鏡像保留PageRank值最高(即最重要的)的網(wǎng)頁,祛除其余網(wǎng)頁.使用這種方法,我們可以確保系統(tǒng)中維護的都是高質(zhì)量的網(wǎng)頁.最后,作為論文的一部分,我們實現(xiàn)了一個綜合使用上述改進算法的網(wǎng)頁搜索器,并進行了為時2個月的實驗,該實
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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(quán)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。
最新文檔
- 搜索引擎中網(wǎng)頁分類和網(wǎng)頁凈化的研究與實現(xiàn).pdf
- 基于個人網(wǎng)頁數(shù)據(jù)挖掘模型的研究與構(gòu)建.pdf
- 基于網(wǎng)頁相似度的搜索算法改進的研究.pdf
- 基于Web頁面結(jié)構(gòu)的網(wǎng)頁數(shù)據(jù)提取研究.pdf
- 網(wǎng)頁數(shù)據(jù)多層語義抽取技術(shù)研究.pdf
- 網(wǎng)頁數(shù)據(jù)采集和還原系統(tǒng)設(shè)計.pdf
- Nutch搜索引擎中網(wǎng)頁排序技術(shù)的研究.pdf
- asp與sql網(wǎng)頁數(shù)據(jù)庫程序設(shè)計
- 基于網(wǎng)頁鏈接和網(wǎng)頁內(nèi)容疊加的垂直搜索策略與算法研究.pdf
- 搜索引擎中網(wǎng)頁查重方法的研究.pdf
- 搜索引擎系統(tǒng)中網(wǎng)頁消重的研究與實現(xiàn).pdf
- 企業(yè)搜索引擎中網(wǎng)頁分類技術(shù)的研究與實現(xiàn).pdf
- python爬蟲技術(shù)的網(wǎng)頁數(shù)據(jù)抓取與分析(論文原稿)
- asp與sql網(wǎng)頁數(shù)據(jù)庫程序設(shè)計
- 搜索引擎中網(wǎng)頁凈化與消重技術(shù)研究.pdf
- 正則表達式在網(wǎng)頁數(shù)據(jù)采集的應(yīng)用與研究.pdf
- 專業(yè)搜索引擎中網(wǎng)頁去重技術(shù)研究.pdf
- 智能網(wǎng)頁搜索.pdf
- Web數(shù)據(jù)融合中網(wǎng)頁清洗相關(guān)技術(shù)研究.pdf
- 彝文搜索引擎中網(wǎng)頁信息采集技術(shù)研究.pdf
評論
0/150
提交評論