中文網(wǎng)頁分類及存儲(chǔ)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和網(wǎng)絡(luò)資源的迅速膨脹，為了給用戶提供高效準(zhǔn)確的服務(wù)，我們需要對(duì)網(wǎng)絡(luò)中紛繁復(fù)雜的資源進(jìn)行合理的組織與分類。網(wǎng)絡(luò)上的信息資源有著海量、動(dòng)態(tài)、異構(gòu)、半結(jié)構(gòu)化等顯著特點(diǎn)，由于缺乏統(tǒng)一的組織和管理而顯得雜亂無章，給Web檢索帶來了一定的困難。使用網(wǎng)頁分類技術(shù)可以更加有效地組織和管理網(wǎng)絡(luò)資源，提高信息檢索的效率，它目前已成為網(wǎng)絡(luò)檢索的研究熱點(diǎn)之一。由于網(wǎng)絡(luò)具有一定的更新性，網(wǎng)絡(luò)資源每隔一段時(shí)間就會(huì)被網(wǎng)站自動(dòng)的更新掉，這樣再去

2、查詢這些信息時(shí)，用戶可能會(huì)搜索不到。目前，我國還沒有開始意識(shí)到進(jìn)行網(wǎng)絡(luò)資源永久保存的重要性。永久保存各時(shí)期的網(wǎng)站內(nèi)容，可以防止有用的網(wǎng)絡(luò)資源被永遠(yuǎn)更新掉，保護(hù)了網(wǎng)絡(luò)資源，也方便用戶查找任一時(shí)期的網(wǎng)站信息。本論文以網(wǎng)頁分類以及與之相關(guān)的網(wǎng)頁信息抽取處理、分詞、特征提取和增量式存儲(chǔ)技術(shù)為網(wǎng)頁分類和存儲(chǔ)手段，通過對(duì)中文網(wǎng)頁結(jié)構(gòu)和永久性存儲(chǔ)的全面分析來構(gòu)建中文網(wǎng)頁分類及存儲(chǔ)系統(tǒng)，該系統(tǒng)能夠?qū)Σ杉聛淼木W(wǎng)絡(luò)資源進(jìn)行準(zhǔn)確分類，并可以進(jìn)行增量式存儲(chǔ)，