基于IOCC的定题Web信息发现机制研究.pdfVIP

第29卷 第22期 计算机工程与设计 2008年 11月 VO1．29 NO．22 ComputerEngineeringandDesign NOV．2008 基于 IOCC的定题Web信息发现机制研究 杨 艺， 代春艳 (重庆工商大学计算机科学与信息工程学院，重庆400067) 摘 要：针对 目前Web信息庞杂无序和半结构化特征所带来的信息搜索的难题，提 出了一种信息对 象特征码(IOCC)方法，将 之结合定题信息搜索应用于机构对 目标信息的发现和采集，能大大提 高信息发现的能力和效率。其次从所采用的关键技 术、策略和系统功能模块等方面对基于该方法的定题Web信息发现机制进行了分析和研究，并举例说明该机制是如何最大 限度提高Web信息发现能力的。最后比较分析 了该机制相对于传统信息搜索引擎的优势并提 出了进一步研究的方向。 关键词：IOCC；定题；Web信息；发现机制；信息采集 中图法分类号：TP393 文献标识码：A 文章编号：1000—7024(2008)22—5906．04 Researchontopic—specificwebinformationfindingmechanism basedonIOCC YANG Yi DAIChun—yan (CollegeofComputerScienceandInformationEngineering，ChongqingTechnologyandBusinessUniversity, Chongqing400067，China) Abstract：Aimingatthedifficultaboutcurrentinformationfindingbecauseofnumerous，disorderandsemi—structuredwebinfomr ation， amethodofinformationobjectcharactercode (Iocc)isproposed．Itcallimproveefficiencyoftargetinformationfindingandgathering ofspecificfieldbycombiningthatmethodwithtopic—specificinformationfinding．Thenthemechanism oftopic—specificWebIOCCfin— dingisinvestigatedindetailandanexampleofhow themechanism canimprovetheabilityofwebinfomr ationfindingisgiven．Atlast， comparisonbetweenthemechna ism andcustomizedwebserachengineisanalyzed，andfurtherstudiesispresented． Keywords：IOCC；topic—specific；webinformation；findingmechanism； infomr ationcrawling 提高机构在竞争激烈的市场中的行业优势将起到事半功倍的 0 引 言 效果，本文将对此进行探讨 。 Web包含从技术资料、商业信息到新闻报道、娱乐信息等 1 Web异构数据和IOCC 多种类别和形式的信息，为用户提供了一个极具价值的信息 源，是人们获取信息的一个重要途径。Internet是一个具有开 1．1 Web异构数据 放性、动态性和异构性的全球分布式网络，资源分布分散，且 异构即来源不 同、格式不 同、载体不 同的非结构化或半结 没有统一的管理和结构，导致了信息获取的困难。如何快速、 构化的数据集合，在机构组织外部