检索结果-内蒙古大学图书馆

作者：王涛电子科技大学

学位级别：硕士

爬行器是搜索引擎中重要的组成部分,也是搜索引擎中最为重要的技术之一。爬行器是一个可以从因特网上自动提取网页的系统,它为搜索引擎从互联网上下载网页。通用搜索引擎的爬行器一般是从几个种子URL链接开始进行全盘爬行,而主题搜索引... 详细信息

爬行器是搜索引擎中重要的组成部分,也是搜索引擎中最为重要的技术之一。爬行器是一个可以从因特网上自动提取网页的系统,它为搜索引擎从互联网上下载网页。通用搜索引擎的爬行器一般是从几个种子URL链接开始进行全盘爬行,而主题搜索引擎的爬行器除了通用爬行器的基本功能外,还能够对链接以及页面内容进行识别,主题爬行器并不追求大的覆盖,而将目标定为抓取与某一特定主题内容相关的网页,过滤与主题无关的网页,并将获取的网页存入数据库,提供给用户查询。主题爬行器已经成为搜索引擎技术领域的一个研究热点,对于专业领域的搜索产生重要的作用。本文首先介绍了主题爬行器的相关技术,接着介绍了通用爬行器和主题爬行器基本原理和工作流程,并分析了通用爬行器与主题爬行器之间的区别,然后介绍爬行器的页面搜索策略和页面分析算法。对于页面主题相关性的判定,首先介绍了传统的基于文本的判定的相关算法,并说明了传统的基于文本算法的不足,并提出了一种“基于html标记”的主题相关性判定的方法,根据html的标记结构的不同,分别赋予出现在不同类型标记的文本以不同的权重,这样可以确保主题分类的准确性。在实际应用中可以根据不同的情况具体改变html标记权重,使之能够达到更好的效果。对于主题爬行器的设计,本文先分析了系统总体设计,然后具体介绍了主题爬行器的系统设计及其实现,首先分析了系统的总体工作流程和各个子模块的划分,然后分别介绍了各个子模块的具体的设计和实现,并分析了在设计各个模块时所存在相对重要的技术问题。在实现的过程中力求模块之间的低耦合并提高主题爬行器的执行效率,并使用“基于html标记”的方法提高主题分类的准确和网页的召回率。最后本文针对主题爬行器的爬行的数据进行分析,实验表明该主题爬行器在一定程度上可以提高搜索的准确性。

关键词：主题爬行器搜索引擎 html标记锚文本

来源：评论

学校读者我要写书评

暂无评论

为Reporting Services报表去除数据中的html标记

引用

Windows IT Pro Magazine（国际中文版） 2009年第9期 82-83页

作者：刘继宏 ERP软件公司

当数据库中的数据为html格式时。Reporting Services显示时不会进行解析。html标记显示为可见的字符。而不是html效果。本文将介绍如何利用．Net的正则表达式和SQL Server的CLR函数功能，从源数据中去除这些标记。在报表中只显示纯文本... 详细信息

当数据库中的数据为html格式时。Reporting Services显示时不会进行解析。html标记显示为可见的字符。而不是html效果。本文将介绍如何利用．Net的正则表达式和SQL Server的CLR函数功能，从源数据中去除这些标记。在报表中只显示纯文本数据。

关键词： Services html标记报表除数 html格式 Server 正则表达式 .Net

来源：评论

学校读者我要写书评

暂无评论

醒目！善用重要html标记增强网页各种功能

引用

大众软件 2002年第11期 69-71页

作者：飞雪

来源：评论

学校读者我要写书评

暂无评论

基于html标记信息的主题相关性判定方法

引用

淮阴师范学院学报（自然科学版） 2005年第3期4卷 240-243页

作者：张兆中临沂师范学院数学系山东临沂276005

从目前互联网的信息发展现状出发,讨论了在信息采集过程中判断要采集的网页与主题的相关性,给出了一个基于html标记信息的主题相关性判定模型和算法实现.通过对试验数据分析,算法显示较好性能.

关键词： html标记主题相关性模型

来源：评论

学校读者我要写书评

暂无评论

浅谈用html和JavaScript修饰Web页

引用

沈阳大学学报 2001年第4期13卷 16-18页

作者：王黎沈阳大学信息工程学院辽宁沈阳110044

使用html和JavaScript,可以使Web页产生良好的效果。本文从介绍HT ML和JavaScript着手 ,就使用html和JavaScript其中的几种方法及举例 ,来谈如何修饰Web页。

关键词： html标记 JsavaScript代码 Web页面网页制作音频插入视频插入

来源：评论

学校读者我要写书评

暂无评论

基于分块的网页信息解析器的研究与设计

引用

计算机应用 2005年第4期25卷 974-976页

作者：于满泉陈铁睿许洪波中国科学院计算技术研究所

详细介绍了网页信息解析的基本技术手段,在综合权衡优缺点的基础上,提出了针对新闻网站复杂结构页面较为有效的分块算法,并结合实际的项目需求,设计实现了网页信息解析器 TVPS,实验结果表明,该解析器具有良好的性能,满足实际的需求。

关键词： Web挖掘 html标记视觉特征网页分块

来源：评论

学校读者我要写书评

暂无评论

一种基于网页分割的Web信息检索方法

引用

图书情报工作 2009年第3期53卷 108-110,114页

作者：俞扬信严云洋淮阴工学院计算机工程系淮安223003

提出一种基于网页内容分割的Web信息检索算法。该算法根据网页半结构化的特点,按照html标记和网页的内容将网页进行区域分割。在建立html标记树的基础上,利用内容相似性和视觉相似性进行节点的整合。在检索和排序中,根据用户的查询,充... 详细信息

提出一种基于网页内容分割的Web信息检索算法。该算法根据网页半结构化的特点,按照html标记和网页的内容将网页进行区域分割。在建立html标记树的基础上,利用内容相似性和视觉相似性进行节点的整合。在检索和排序中,根据用户的查询,充分利用区域信息来对相关的检索结果进行排序。

关键词：网页分割信息检索 html标记相似性

来源：评论

学校读者我要写书评

暂无评论

Web页面链接文本信息抽取与分类的研究

Web页面链接文本信息抽取与分类的研究

引用

作者：林建方哈尔滨工业大学

学位级别：硕士

本文分析和利用超链接信息，即利用对链接文本和标题、所指向网页内容分析来对该链接文本(亦即对链接所指向的网页)进行分类并进行错标、漏标识别。本文首要提出网页中的链接文本与相关链接。并过滤掉无用的导航、广告等无用链接。为此... 详细信息

本文分析和利用超链接信息，即利用对链接文本和标题、所指向网页内容分析来对该链接文本(亦即对链接所指向的网页)进行分类并进行错标、漏标识别。本文首要提出网页中的链接文本与相关链接。并过滤掉无用的导航、广告等无用链接。为此，本论文分别针对链接文本和相关链接提出不同的准确高效算法策略。对链接文本、相关链接分类涉及到关键词表的建立、未登陆词识别、与标题的相关度计算、特征句的提取还有分类体系的建立和链接漏标、错标识别。针对中文网页的特点和网页分析过程中的对特征词分类的要求，提出了针对Web文档的改进的TF-IDF算法，可以更有效的提取关键词表。对于未登录词的识别，本文提出可以从词的结构特点和特征词之间的二元关系两个方面来辅助识别未登录词，并取得了较好的实验效果。链接与标题之间的相关度我们用向量空间模型表示。另外，本文通过实验结果表明所找到的特征句和从句子中提取出的信息能够大大的补充仅仅分析网页标题和链接标题的不足。在特征词表建立和特征信息表示中，本文引入等价、从属和同属关系将其表示成统一的格式，其通用性、可扩展性都大大提高。最后，在本链接文本分类系统对上面的算法进行了测试。表明只需根据各个应用领域的特色修正关键词词典即可实现算法通用。

关键词：信息抽取 html标记链接文本特征词 Web挖掘相关链接

来源：评论

学校读者我要写书评

暂无评论

特定领域Web链接关系拓扑图的生成研究

特定领域Web链接关系拓扑图的生成研究

引用

作者：郭健哈尔滨工业大学

学位级别：硕士

本文构造特定领域的Web链接拓扑图，来实现对链接关系的分析。首先利用网络爬行器从Web上搜集特定领域的网页，并对这些网页进行信息抽取和处理。然后将这些提取出来的页面的链接关系信息存放到数据库中，形成大规模的网页信息数据库。... 详细信息

本文构造特定领域的Web链接拓扑图，来实现对链接关系的分析。首先利用网络爬行器从Web上搜集特定领域的网页，并对这些网页进行信息抽取和处理。然后将这些提取出来的页面的链接关系信息存放到数据库中，形成大规模的网页信息数据库。另外，本文根据网页文件中利用html语言的〈TABLE〉〈/TABLE〉标记分块排版的特点，提出了基于页面链接分块思想的相关链接通用提取算法。为了将相关链接的信息结构化，本文涉及到的问题有链接信息的提取、名实体识别、链接关系获取和链接信息数据库的建立等等。对于相关链接关系可视化的研究，本文单独设计了一个拓扑图生成控件。最后，本文以IT中文新闻网页作为实验对象，并开发了一个Web链接关系拓扑图生成及分析的原型系统，对上面的算法进行了测试。

关键词：信息抽取 html标记超链接链接分析链接拓扑图特定领域

来源：评论

学校读者我要写书评

暂无评论

Web页面链接信息抽取与分类的研究

Web页面链接信息抽取与分类的研究

引用

作者：王华兵哈尔滨工业大学

学位级别：硕士

该文则从另一个角度来分析和利用超链接信息,即利用对链接文本和链接所指向页面(必要时)的内容分析来对该链接(亦即对链接所指向的网页)进行分类.页面中的链接主要分为两类,即与本页主题相关的链接(该文称之为相关链接)和无关的链接(如... 详细信息

该文则从另一个角度来分析和利用超链接信息,即利用对链接文本和链接所指向页面(必要时)的内容分析来对该链接(亦即对链接所指向的网页)进行分类.页面中的链接主要分为两类,即与本页主题相关的链接(该文称之为相关链接)和无关的链接(如导航条和广告链接等).所以首要的工作是提取出页面中的相关链接.该文提出了基于页面链接分块思想的相关链接提取算法,能够高效准确地抽取出页面中的相关链接.对相关链接的分类,需要涉及到的问题有特征词表提取、未登录词的识别、特征句提取和分类体系的建立与表示等等.我们采用改进后带有网页信息的TF-IDF算法,可以更准确地提取网络文本中常用的特征词.对于未登录词的识别,虽然采用传统的方法已取得较好的效果,但是它们需要大量的源信息且时间复杂性较高,不适合该课题的需求.因此,通过对一些常见未登录词的观察和统计,该文提出可以从词的结构特点和特征词之间的二元关系两个方面来辅助识别未登录词,并取得了较好的实验效果.为了避免对文本的全文分析,降低时间复杂性,该文还提出了页面特征句提取算法.特征句信息载量大,对信息抽取和分类都有非常重要的作用.对于信息抽取和建立分类体系,需要考虑到特征信息之间的关系.该文总结了三种常见的关系,即等价关系、从属关系和同属关系,并引入了三个简洁的标识符将各类信息都表达成统一的格式,维护方便,通用性好.由于Web信息量巨大,信息内容涉及范围非常广泛,所以该文这里以IT中文新闻网页作为实验对象,并开发了一个超链接分类的原型系统,对上面的算法进行了测试.结果表明该文提出的方法所需的源信息较少且时空开销小,所以可应用性很强.最终分类的精确率在74%左右,虽然与传统的文本分类方法相比还有一定的差距,但其中很大一部分原因是与实验系统在IT类页面下进一步细分为多个小类有关.由于小类之间的差别不够明显,导致分类相对困难一些.随着课题的后续深入研究,相信能取得更好的成果.

关键词：信息抽取 html标记超链接链接分类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：