網(wǎng)頁信息智能采集與個性化服務系統(tǒng)的研究與實現(xiàn).pdf

1、　　隨著互聯(lián)網(wǎng)在全球的快速發(fā)展，網(wǎng)上的信息每天都在呈指針數(shù)級的增長，用戶可以在網(wǎng)上獲得越來越豐富的信息資源。但是，隨著信息類型日漸多樣化，如何快速、準確找到自己感興趣的信息成為困擾用戶的難題，原始的信息獲取方式在很大程度上已經(jīng)不能滿失足用戶的個性別化需求，以用戶為中心的個性化信息采集與服務模式已成為當前研究的熱點之一。本文研究與實現(xiàn)的系統(tǒng)將信息采集技術與信息服務技術相結(jié)合，通過信息采集技術獲取互聯(lián)網(wǎng)上的實時信息，為信息推送服務提供數(shù)據(jù)源

2、，再根據(jù)不同用戶的需求，創(chuàng)建用戶的興趣模型，以多種方式為用戶提供專屬的信休息服務。
　　本文采用廣度優(yōu)先遍歷算法結(jié)合網(wǎng)址的篩選策略(包括爬取深度、網(wǎng)址處理范圍和網(wǎng)址URL格式等)設計并實現(xiàn)了一款高效、實用的網(wǎng)絡爬蟲，通過并行處理方式進行URL地址的爬取，極大的提高了爬取效率。在信息抽取技術中，結(jié)合網(wǎng)頁信息的特點采用了基于模板的網(wǎng)頁信息抽取技術，將網(wǎng)頁上非結(jié)構(gòu)化的信息提取轉(zhuǎn)化為結(jié)構(gòu)化的信息保存到數(shù)據(jù)庫中，經(jīng)過信息的去噪和分類等后期