數(shù)據(jù)搜索和信息挖掘技術(shù)研究.pdf

1、網(wǎng)絡(luò)能提供有用的信息服務(wù)，網(wǎng)頁(yè)信息是文本形式的。超鏈接能幫你找到你想找到的網(wǎng)頁(yè)文件。對(duì)搜索引擎來(lái)說(shuō)，超鏈接是有用的。
　　搜索引擎是信息檢索的十分重要的工具。一個(gè)“搜索引擎”有四個(gè)部分組成:網(wǎng)絡(luò)爬行蟲(chóng)，索引器，檢索器和查詢接口。它通過(guò)網(wǎng)絡(luò)爬行蟲(chóng)收集信息，并且通過(guò)收集到的網(wǎng)絡(luò)信息創(chuàng)建索引數(shù)據(jù)庫(kù)。作為搜索引擎的一部分，網(wǎng)絡(luò)爬行蟲(chóng)也被稱作網(wǎng)絡(luò)蜘蛛或網(wǎng)絡(luò)機(jī)器人。
　　在這篇論文里，研究了網(wǎng)絡(luò)數(shù)據(jù)搜索和網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)。主要是搜索網(wǎng)絡(luò)

2、上網(wǎng)站的數(shù)據(jù)，并且把這些數(shù)據(jù)下載下來(lái)，通過(guò)關(guān)鍵詞建立的索引，找到關(guān)鍵詞與之相關(guān)的信息。
　　在數(shù)據(jù)搜索過(guò)程中，首先通過(guò)一個(gè)爬蟲(chóng)搜索網(wǎng)絡(luò)數(shù)據(jù)（網(wǎng)頁(yè)），并且把一個(gè)或多個(gè)網(wǎng)站的網(wǎng)絡(luò)數(shù)據(jù)下載下來(lái)。把下載的網(wǎng)頁(yè)文本存入硬盤(pán)，網(wǎng)頁(yè)文本的URL和存儲(chǔ)信息存入數(shù)據(jù)庫(kù)中。
　　爬蟲(chóng)程序基于JAVA技術(shù)，尤其是論文中應(yīng)用的部分:JAVA連接網(wǎng)絡(luò)、JAVA連接數(shù)據(jù)庫(kù)，JAVA輸入輸出和JAVA的多線程技術(shù)。論文中使用JAVA的java.net.U