面向質量安全的元搜索數據采集系統的設計與實現.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、目前質量安全問題頻發(fā),并且隨著互聯網的普及,質量安全問題越來越多的在互聯網上被大眾討論。人們在互聯網上發(fā)表的關于質量安全的評論和互聯網媒體對質量安全方面的報道都可以作為質量安全分析的文本語料。因此互聯網可以成為質量安全信息獲取的數據源,為質量安全分析提供了數據基礎。
  本文設計與實現了基于元搜索的數據采集系統,負責采集質量安全相關方面的網頁。本文中,元搜索引擎不再是傳統的使用方式,而是用于根據用戶設定的查詢詞來進行數據采集。系統

2、在功能上主要分為元搜索查詢、網頁抽取、相關性判定三個功能塊。在元搜索功能塊中完成了不同元搜索引擎的封裝,同時對查詢采用了優(yōu)先級調度方式的管理。在網頁抽取功能塊中采用了基于模板解析和基于統計解析兩種方式:基于模板解析主要負責結果鏈接的抽取、基于統計的解析則作為通用的正文抽取方法。在相關性判定功能塊中,采用了支持向量機的分類算法來篩選質量安全相關數據,去除噪音信息。本文最后對網頁抽取效果與分類效果進行了測試,并展示了系統運行成果。
 

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論