2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩23頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、1目錄目錄摘要...................................................................................................31.緒論....................................................................................................41.1課題背景.

2、.....................................................................................41.1.1搜索引擎的歷史....................................................................41.1.2搜索引擎的發(fā)展方向.......................................

3、.....................51.1.3搜索引擎的最新技術(shù)發(fā)展....................................................61.2課題來(lái)源、目的和意義..............................................................81.3主要研究?jī)?nèi)容............................................

4、.................................92.網(wǎng)頁(yè)正文提取系統(tǒng)的詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)..........................................102.1基本原理...................................................................................102.2網(wǎng)頁(yè)預(yù)處理系統(tǒng)......................

5、...............................................112.2.1HTML標(biāo)簽規(guī)范化...............................................................112.2.1建立網(wǎng)頁(yè)的DOM樹(shù)結(jié)構(gòu).................................................143摘要隨著互聯(lián)網(wǎng)信息技術(shù)的不斷發(fā)展,互聯(lián)網(wǎng)的信息量

6、也日益膨脹。近年來(lái),全球因特網(wǎng)上的信息數(shù)據(jù)正以爆炸式的速度在增長(zhǎng)。據(jù)IDC報(bào)告稱,從現(xiàn)在到2010年,預(yù)計(jì)信息量將以每年57%的速度增長(zhǎng),在2010年信息總量將達(dá)到988EB(1EB=10億GB),約為2006年的6倍,相當(dāng)于有史以來(lái)所有書(shū)籍?dāng)?shù)字信息量的1800萬(wàn)倍。面對(duì)如此巨大的互聯(lián)網(wǎng)信息庫(kù),如何快速、有效、經(jīng)濟(jì)地檢索到某個(gè)主題的所有相關(guān)信息就成了當(dāng)前一個(gè)十分熱門的研究課題。這時(shí),搜索引擎的出現(xiàn)無(wú)疑給人們帶來(lái)了極大的方便。然而,隨著互

7、聯(lián)網(wǎng)信息的不斷巨增和搜索引擎所覆蓋網(wǎng)頁(yè)范圍的不斷擴(kuò)大,人們發(fā)現(xiàn),即使是借助搜索引擎的幫助,他們也越來(lái)越難以有效和準(zhǔn)確的找到自己所需要的信息資源。本文在研究了現(xiàn)有的搜索引擎的解決方案后,通過(guò)采用一種統(tǒng)計(jì)網(wǎng)頁(yè)特征的方法,將中文網(wǎng)頁(yè)中的正文部分抽取出來(lái)。該方法首先將網(wǎng)頁(yè)表示成基于XML的DOM樹(shù)形式,利用統(tǒng)計(jì)的節(jié)點(diǎn)信息從樹(shù)中過(guò)濾掉噪音數(shù)據(jù)節(jié)點(diǎn),最后再選取正文節(jié)點(diǎn)。該方法相比傳統(tǒng)的基于包裝器的抽取方法,具有簡(jiǎn)單,實(shí)用的特點(diǎn),試驗(yàn)結(jié)果表明,該抽取

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論