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
基于网址特征提取的布隆过滤器的设计与实现
第9 卷第10期 Vol.9 No.10
2016 年 5 月 May 2016
基于网址特征提取的布隆过滤器的设计与实现
1 2 1*
卢诚知 ，赵天霖 ，范春晓
（1. 北京邮电大学电子工程学院，北京 100876；
2. 北京十一学校国际部高二 AS2 ，北京 100039 ）
摘要：针对电商网站网页实时分析过程对效率的特殊要求，分析传统布隆过滤器的原理，指出其网址查重中忽
略了网址信息冗余的缺陷，提出一种改进的网址查重方法——基于网址特征提取的布隆过滤方法。该方法首
先定义网址特征，并对其进行量化、提取，根据网址特征训练网址过滤规则，据此去除网址的冗余信息后对
网址进行布隆查重。通过对 200 多万条数据进行实验，发现改进后的布隆过滤器的时间效率有了很大提升，
并且随着数据量的增加，时间效率提升更明显，证明了所提方法的有效性，并能很好地满足应用需求。
关键词：电子通信与自动控制技术其他学科；网址查重；布隆过滤器；特征提取
中图分类号：TP311.5 文献标识码：A 文章编号：1674-2850(2016)10-1069-06
Bloom filter design and implementation based on URL
feature extraction
1 2 1
LU Chengzhi , ZHAO Tianlin , FAN Chunxiao
(1. School of Electronic Engineering, Beijing University of Posts and Communications,
Beijing 100876, China;
2. AS2, Grade 11, International Department , Beijing National Day School, Beijing 100039, China)
Abstract: Based on real-time analysis of e-commerce sites page for the special requirements of efficiency,
we analyzed the principle of traditional bloom filter, pointed out its URL rechecking of ignoring the URL
information redundancy, put forward an improved the method of the site: Bloom Filter method based on
the site feature extraction. Firstly, this method defines the website features, and carries on the
quantification, extraction, training according to the characters of web site URL filtering rules, on the basis
of remove redundant information after URL rechecking wit
文档评论（0）