版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、自己動(dòng)手寫搜索引擎——建一個(gè)自己的Google羅剛2009目錄23.2.1建立數(shù)據(jù)視圖.......................................................................................................363.2.2JDBC數(shù)據(jù)庫連接..........................................................
2、.......................................363.2.3增量抓取...............................................................................................................383.3抓取本地硬盤上的文件............................................
3、......................................................383.3.1目錄遍歷...............................................................................................................383.4本章小結(jié)...................................
4、.......................................................................................40第4章提取文檔中的文本內(nèi)容...................................................................................................414.1從HTML文件中提取文本..
5、..........................................................................................414.1.1HtmlParser介紹.....................................................................................................494.1.2結(jié)構(gòu)化
6、信息提取...................................................................................................524.1.3網(wǎng)頁去噪..........................................................................................................
7、.....584.1.4網(wǎng)頁結(jié)構(gòu)相似度計(jì)算...........................................................................................614.1.5正文提取的工具FireBug.....................................................................................62
8、4.1.6正文提取的工具NekoHTML..............................................................................644.1.7正文提取...............................................................................................................
9、664.2從非HTML文件中提取文本........................................................................................774.2.1TEXT文件.....................................................................................................
10、........774.2.2PDF文件...............................................................................................................774.2.3Wd文件..............................................................................
11、................................854.2.4Rtf文件..................................................................................................................864.2.5Excel文件................................................
12、..............................................................874.2.6PowerPoint文件....................................................................................................884.3流媒體內(nèi)容提取...........................
13、...................................................................................894.3.1音頻流內(nèi)容提取...................................................................................................894.3.2視頻流內(nèi)容提取..........
14、.........................................................................................914.4抓取限制應(yīng)對(duì)方法..........................................................................................................934.5本章小結(jié)...
15、.......................................................................................................................94第5章自然語言處理..........................................................................................
16、.........................955.1中文分詞處理..................................................................................................................955.1.1Lucene中的中文分詞...................................................
17、.......................................955.1.2Lietu中文分詞的使用..........................................................................................965.1.3中文分詞的原理..........................................................
18、.........................................965.1.4查找詞典算法.......................................................................................................995.1.5最大概率分詞方法................................................
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
評(píng)論
0/150
提交評(píng)論