本文關(guān)鍵詞：基于網(wǎng)頁(yè)結(jié)構(gòu)特征的垂直搜索引擎研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

上海交通大學(xué) 碩士學(xué)位論文 基于網(wǎng)頁(yè)結(jié)構(gòu)特征的垂直搜索引擎研究與實(shí)現(xiàn) 姓名：任軍 申請(qǐng)學(xué)位級(jí)別：碩士 專業(yè)：軟件工程 指導(dǎo)教師：王東;楊懋 20081201 上海交通大學(xué)工程碩士學(xué)位論文 摘要 基于網(wǎng)頁(yè)結(jié)構(gòu)特征的垂直搜索引擎研究與實(shí)現(xiàn) 摘 要 隨著 Internet 的飛速發(fā)展，人們?cè)絹?lái)越依靠網(wǎng)絡(luò)來(lái)查找他們所需要的信息。 Internet 的信息資源具有多樣性、分布性、開(kāi)放性、時(shí)效性和異構(gòu)性的特點(diǎn)，同一 主題的信息通常分散存放在不同網(wǎng)站上，表現(xiàn)的形式也各不相同。垂直搜索引擎可以 將這些信息按主題進(jìn)行抽取，以結(jié)構(gòu)化形式存儲(chǔ)。 本文提出了一種基于網(wǎng)頁(yè)結(jié)構(gòu)特征的垂直搜索引擎模型。根據(jù)專業(yè)和行業(yè)網(wǎng)站的 領(lǐng)域特點(diǎn)，提出相應(yīng)主題的元數(shù)據(jù)統(tǒng)一表示標(biāo)準(zhǔn)。通過(guò)對(duì)對(duì)應(yīng)網(wǎng)站的網(wǎng)頁(yè)分析，依據(jù) 元數(shù)據(jù)表示標(biāo)準(zhǔn)和網(wǎng)頁(yè)結(jié)構(gòu)特征，提煉出具體網(wǎng)站網(wǎng)頁(yè)的信息抽取模板。垂直搜索引 擎根據(jù)該信息抽取模板對(duì)目標(biāo)網(wǎng)站進(jìn)行網(wǎng)頁(yè)爬行、頁(yè)面轉(zhuǎn)換、抽取數(shù)據(jù)和分離數(shù)據(jù)及 保存數(shù)據(jù)。網(wǎng)站的信息抽取模板采用XML 進(jìn)行描述，對(duì)應(yīng)網(wǎng)頁(yè)結(jié)構(gòu)特征。由于采用標(biāo) 準(zhǔn)的XML 并以文件形式存放，可以方便地在關(guān)心該網(wǎng)站信息的用戶之間共享。 根據(jù)本文提出的基于網(wǎng)頁(yè)結(jié)構(gòu)特征的垂直搜索引擎模型，我們開(kāi)發(fā)了一個(gè)基于網(wǎng) 頁(yè)結(jié)構(gòu)特征的垂直搜索引擎系統(tǒng)。整個(gè)系統(tǒng)以元數(shù)據(jù)模型為基礎(chǔ)，對(duì)網(wǎng)站網(wǎng)頁(yè)結(jié)構(gòu)進(jìn) 行結(jié)構(gòu)化處理，獲得網(wǎng)頁(yè)的結(jié)構(gòu)化信息。

  本文關(guān)鍵詞：基于網(wǎng)頁(yè)結(jié)構(gòu)特征的垂直搜索引擎研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。