原创力文档- 1、本文档共47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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
Web信息获取术的研究.pdf
摘 要
随着互联网的普及与发展，信息获取已经从通过手工获取信息、通过计算机获取信
息，发展到通过网络获取信息。如今的网页数以亿计，要在浩如烟海的网络世界寻找需
要的信息，作为现代信息获取技术的主要应用一搜索引擎是必不可少的。论文研究的目
的是希望通过对基于超链分析的采集策略进行研究，探索提高搜索引擎中网页采集器采
集性能的方法。
网页采集器是一种能够自动从互联网上采集网页的软件，它决定着搜索引擎的数据
是否丰富，信息是否能够得到及时更新。论文系统地介绍了搜索引擎中网页采集器的工
型流程图和详细的算法思想，运用了数据库和多线程编程技术。
文档的方法问题，它决定着Robot软件的采集性能。论文讨论了IP地址采集策略、深
度优先采集策略、广度优先采集策略、深度一广度结合采集策略四种基于有向图的遍历
算法并分析了各自的优缺点。Web上的超链结构是一个非常丰富和重要的资源，它独立
基于超链分析的算法能够有效地提高Robot的采集性能，减少获取网页的重复性，并对
更加准确地判断网页的重要性，有效地提高Robot的爬行效率。
关键词：wwW技术搜索引擎URL采集策略ODBC
Abstraot
the
With and
popularization of was
development
obtainedhandand nowitisobtained
by bycomputer，and number
byWeb．Nowdays，the
ofHTML is ordertosearch in
pagesveryhuge，in valuabieinformationthe
Web，the
search iS aimof iSto
enginenecessary．ThethiSdissertation howto
exploit
thecollectionof onthe
improve tothe
pages--robot，accordingstudy
ofthesearch basedthe of
strategyon analysishyperlink．
Therobotcan
automaticalobtainfrom abundanceofdata
ly pages internet，the
andthe of inthe
speed informationsearch lieonit．ThiS
updating engine
dissertationintroduces the ofrobotinthesearch
systematicallyprinciple
cons
文档评论（0）