原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第32卷第7期 通 信 学 报 Vb1．32 NO．7
2011年 7月 Joum alonCommunications July2011
基于MapReduce虚拟机的DeepWeb数据源发现方法
辛洁，崔志明，赵朋朋，张广铭，鲜学丰
(苏州大学 智能信息处理及应用研究所，江苏 苏州 215006)
摘 要：为了提高DeepWeb爬虫发现和搜集数据源的效率，提出了一种融合MapReduce和虚拟化技术实现 Deep
Web海量数据挖掘的并行计算方法。基于MapReduce架构提出了一个DeepWeb爬虫模型，通过链接过滤分类、
页面过滤分类、表单过滤分类等3个MapReduce过程找到DeepWeb数据源接 口，并利用虚拟机构建单机集群进
行性能测试。实验结果显示该方法可以实现大规模数据的并行处理，有效提高爬虫数据源发现的效率，避免网络
及物理资源的浪费，验证了云计算技术在DeepWeb数据挖掘方面的可行性。
关键词：数据源发现；MapReduce；DeepWeb；虚拟化技术；云计算
中图分类号：TP393 文献标识码：A 文章编号：1000．436X(2011)07．0189．07
ApplyingM apReduceframeworkstoavirtualization
platform forDeepW ebdatasourcediscovery
XIN Jie，CUIZhi—ming，ZHAOPeng-peng，ZHANG Guang—ming，XIAN Xue—feng
(InstituteofIntelligentInformationProcessingandApplication，SoochowUniversity,Suzhou215006，China)
Abstract：InordertoimprovetheperformanceofDeepWebcrawlerindiscoveringna dsearchingdatasourcesinterfaces，
anew methodwasraisedtoparallelprocessingthemassdatawithintheDeepWebcompromisingMapReduceprogram-
mingmodelandvirtualizationtechnology．TheDew crawlingrachitecturewasdesignedwiht threeproducers，thelink
classified MapReduce，thepageclassifiedMapReduceandthefomr classifiedM apReduce．Servervirtualizationwas
adoptedtosimulatehteclusterenvironmentinordertotesthteperformna ce．Experimentresultsindicatethatthismehtod
iscapableofrlrage—scaledatapraallelcomputing，canimprovethecrawlingeffi ciencyandavoidwastefulexpenditure，
whichprovethefeasibilityofapplyingcloudytechnologiesintoDeepWebdataminingfield．
Keywords：datasourcediscovery；MapReduce；DeepWeb；virtualizationtechnology；cloudycomputing
隐藏不可见的数据不能被
文档评论（0）