网页文本中的标题分析.docVIP

网页文本中的标题分析 随着互联网的普及，互联网信息呈现爆炸性增长的趋势，每天都有数以万计新 闻从各大新闻站点发布，如此海量的互联网信息为人们提供丰富的信息资源的同时，如何从 杂乱无章的网络资源中快捷有效的把握新闻热点成为人们关注的焦点，现有的搜索工具已经 不能满足人们对于需求，为搜索引擎引入搜索内容更为精确的主题爬虫显得十分迫切。 现有的新闻热点的研究更多的是从新闻内容这一宏观的角度来分析的，新闻文本内容的 分析受自然语言处理技术上的瓶颈问题有一定的局限性。本设计旨在从新闻标题这一微观角 度入手分析和探讨社会热点，即通过爬虫抓取一段时间内门户网站网页文本中的标题，并对 其进行分析和研究，以发现一定时期内的社会热点，从而为人们阅读网络新闻提供参考。 关键词：网页文本；标题；主题爬虫 ABSTRACT： With the spread of the Internet，the Internet information being presented the explosive growth of trend，every day tens news from the major news sites post，so vast amount of Internet information to provide abundant information at the same time, how to unscramble the network resources from the grasp of the quick and effective news become the focus of attention, existing search tools cannot have satisfied people for requirements for search engines introduced more precise search content of the topic crawler is very urgent. The news of the existing research more news content from the macroscopic Angle to analyze，the news of the text content analysis by natural language processing technical bottleneck problems have some limitations. This design from the news headlines to microcosmic perspective analysis and research of social hot, that is, through the crawler grab a period of time within a web portal page title in the text, and carries on the analysis and research to find a certain period hot social， thus for people to read news network to provide the reference. Keywords: web page text; Title; Topic crawler TOC \o 1-5 \h \z 1、 i HYPERLINK \l bookmark3 \o Current Document \h 1.1、 研宄的背景 1 HYPERLINK \l bookmark4 \o Current Document \h 1.2、 研究的0的和意义 1 HYPERLINK \l bookmark5 \o Current Document \h 1.3、 相关的研究现状 2 HYPERLINK \l bookmark6 \o Current Document \h 2、 良好的网页文本标题必须具备的条件 3 HYPERLINK \l bookmark7 \o Current Document \h 2.1、 标题的功能 3 HYPERLINK \l bookmark8 \o Current Document \h 2.1.1、 对新闻的内容进行提示 3 HYPERLINK \l bookmark9 \o Current Document \h 2.1.2、 对新闻内容进行评价 4 HYPERLINK \l bookmark10 \o Current Document \h 2.1.3、