- 1、本文档共35页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Jobtong系统进展研究方向 王仲远 2007-12-09 Outline Jobtong项目介绍 Jobtong系统进展 Jobtong应用 Jobtong上的研究问题 Jobtong的下一步 什么是Deep Web? Web按照信息“深度”划分,可以分为Surface Web和Deep Web Surface Web:被传统搜索引擎所能检索到的页面 静态HTML Web上的TXT文件 部分XML文件 PDF文件 …… 什么是Deep Web? Web按照信息“深度”划分,可以分为Surface Web和Deep Web Surface Web:被传统搜索引擎所能检索到的页面 Deep Web( Hidden Web ):相对于Surface Web而言 Data that lies in backend databases that are only accessible through HTML forms 截至2004年,Deep Web的网站数量已经达到307,000个,其背后的数据库数量已经达到366,000-535,000个 Deep Web的数据是Surface Web的500倍 主流搜索引擎例如Google、Yahoo只能够覆盖到其中32%的数据 目前的搜索引擎: “爬取索引” 目前的网络: 需要进行数据集成 如何能够有效地访问这些数据库? 基于配置文件集成系统的整体框架图 基于配置文件集成系统的介绍 配置文件 Config.xml:被集成网站基本信息配置文件; 基于配置文件集成系统的介绍 配置文件 Config.xml:被集成网站基本信息配置文件; Detail.xml:查询结果详细信息配置文件; 基于配置文件集成系统的介绍 配置文件 Config.xml:被集成网站基本信息配置文件; Detail.xml:查询结果详细信息配置文件; List.xml:多个查询入口配置文件 基于配置文件集成系统的介绍 配置文件 Config.xml:被集成网站基本信息配置文件; Detail.xml:查询结果详细信息配置文件; List.xml:多个查询入口配置文件 统一集成程序 查询变量:keyword=$querykeyword$ (IT,Teacher) 查询常量:orderBy=datelocation=all 翻页过程:page=$pageno$ 查询变量、查询常量、翻页过程 统一集成程序的流程图 流程图讲解 Outline Jobtong项目介绍 Jobtong系统进展 Jobtong应用 Jobtong上的研究问题 Jobtong的下一步 Jobtong系统进展(1) Problem: 手工指定执行时间 工作量大 不灵活 Solution: 后台调度管理系统: Monitor Jobtong系统进展(1) Problem: 手工指定执行时间 工作量大 不灵活 Solution: 后台调度管理系统: Monitor 监控配置文件夹 发现新配置文件 自动调度已有配置文件 多线程爬取 Jobtong系统进展(2) Problem: 爬取结果不可见 爬取状态不可见 Solution: 后台增加了配置文件爬取状态监控程序 监控配置文件的爬取状态 监控数据增长量 监控配置文件是否失效 Jobtong系统进展(3) Problem: 爬取地点不规范 无法提供高效准确索引 Jobtong系统进展(3) Problem: 爬取地点不规范 无法提供高效准确索引 Solution: 对地址属性进行过滤 建立省市数据库 增加jt_joblocation关系表 Jobtong系统进展(4) Problem: Bugs Statement未关闭 POST方式未对网页进行过滤 Solution: Fix 内存占用更少 更加稳定 New Feature 笔经面经集成 Outline Jobtong项目介绍 Jobtong系统进展 Jobtong应用 Jobtong上的研究问题 Jobtong的下一步 Jobtong应用(1) Jobtong项目不仅仅是工作通、工作信息集成系统 Jobtong项目是一种面向领域的数据集成解决方案(Domain-oriented Deep Web Data Integration Solution)! Jobtong应用(2) Govtong 政府新闻领域的数据集成系统 实体识别中的数据集成 获取数据集 Web组各种实验数据的来源 Jobtong应用(3) DBRef的初始集 Outline Jobtong项目介绍 Jobtong系统进展 Jobtong应用 Jobtong上的研究问题 Jobtong的下一步 Outline Jobtong项目介绍 Jobtong系统进展 Jo
您可能关注的文档
- (MMMC)和单模单角(SMSC)单模单角(SMSC)方法间时序.pdf
- 《石油钻探技术》期刊座谈会.doc
- 《透镜及其应用》复习课学案.doc
- 1订单缓冲自动处理技术原理此.pdf
- 3萬年前長江大洪水的研究.pdf
- 213音叉的受迫振动与共振实验.pdf
- 253利用频率估计概率同步练习.doc
- 2003年7月计算机数学基础(A)模拟试题1.doc
- 2010年全国硕士研究生入学统一考试数学三试题分析、详解.pdf
- A1203一TiC—Co金属陶瓷材料干滑动磨损研究.pdf
- 10《那一年,面包飘香》教案.docx
- 13 花钟 教学设计-2023-2024学年三年级下册语文统编版.docx
- 2024-2025学年中职学校心理健康教育与霸凌预防的设计.docx
- 2024-2025学年中职生反思与行动的反霸凌教学设计.docx
- 2023-2024学年人教版小学数学一年级上册5.docx
- 4.1.1 线段、射线、直线 教学设计 2024-2025学年北师大版七年级数学上册.docx
- 川教版(2024)三年级上册 2.2在线导航选路线 教案.docx
- Unit 8 Dolls (教学设计)-2024-2025学年译林版(三起)英语四年级上册.docx
- 高一上学期体育与健康人教版 “贪吃蛇”耐久跑 教案.docx
- 第1课时 亿以内数的认识(教学设计)-2024-2025学年四年级上册数学人教版.docx
文档评论(0)