基于Web的主題搜索應用技術研究.pdf

1、進入新世紀以來，互聯(lián)網(wǎng)絡上的Web空間發(fā)展日益迅速，Web信息在很多方面得到了廣泛的應用，人們對Web信息的領域本體相關性和領先性的要求越來越高。基于Web的主題搜索技術的發(fā)展和演進，已經(jīng)成為有效開啟互聯(lián)網(wǎng)絡知識寶庫的關鍵之匙。Web信息搜索服務主要通過國內(nèi)外一些成熟的搜索引擎站點提供。 但是，目前被搜索引擎廣泛采用的Web信息獲取爬蟲系統(tǒng)存在著明顯的缺陷，缺陷是系統(tǒng)只能依據(jù)超鏈在Web空間里遍歷公開被索引的Web頁面，而對占據(jù)

2、大部分Web空間的隱含型Web頁面缺乏有效的獲取手段。隱含型Web頁面通常指那些由用戶與站點Web信息數(shù)據(jù)庫通過查詢表單Form發(fā)生交互而動態(tài)產(chǎn)生的，帶有明顯領域主題色彩的Web頁面。針對這一問題，本文展開了對隱含型Web頁面信息獲取技術的研究。在吸取國內(nèi)外相關網(wǎng)絡爬蟲系統(tǒng)理論知識的基礎上，新總結出了符合中文Web頁面呈現(xiàn)規(guī)律的，領域相關數(shù)據(jù)源接口Form啟發(fā)式發(fā)現(xiàn)與過濾原則，并基于Form領域本體相關性由其所包含表單項的領域相關度決定