网络信息内容获取技术概述.pptx

信 息 内 容 安 全;上节回顾（3）;第二章 网络信息内容获取技术;本讲提要;;网络信息发布形式;网络信息量;9、我们的市场行为主要的导向因素，第一个是市场需求的导向，第二个是技术进步的导向，第三大导向是竞争对手的行为导向。八月-21八月-21Wednesday, August 04, 2021 10、市场销售中最重要的字就是“问”。23:23:0723:23:0723:238/4/2021 11:23:07 PM 11、现今，每个人都在谈论着创意，坦白讲，我害怕我们会假创意之名犯下一切过失。八月-2123:23:0723:23Aug-2104-Aug-21 12、在购买时，你可以用任何语言；但在销售???，你必须使用购买者的语言。23:23:0723:23:0723:23Wednesday, August 04, 2021 13、He who seize the right moment, is the right man.谁把握机遇，谁就心想事成。八月-21八月-2123:23:0823:23:08August 04, 2021 14、市场营销观念：目标市场，顾客需求，协调市场营销，通过满足消费者需求来创造利润。04 八月 202111:23:08 下午23:23:08八月-21 15、我就像一个厨师，喜欢品尝食物。如果不好吃，我就不要它。八月 2111:23 下午八月-2123:23August 04, 2021 16、我总是站在顾客的角度看待即将推出的产品或服务，因为我就是顾客。2021/8/4 23:23:0823:23:0804 August 2021 17、利人为利已的根基，市场营销上老是为自己着想，而不顾及到他人，他人也不会顾及你。11:23:08 下午11:23 下午23:23:08八月-21 ;网络信息类型;网络信息类型;网络信息类型;网络信息类型;网络信息类型;网络信息类型;网络通信信息;;一、网络信息内容获取模型;2.1 网络信息内容获取模型;2.1 网络信息内容获取模型;2.1 网络信息内容获取模型;2.1 网络信息内容获取模型;;网络媒体信息获取原理;网上采集算法;;1.全网信息获取;2.定点信息获取;3.基于主题的信息获取和元搜索;国内元搜索引擎;3.基于主题的信息获取和元搜索;网络媒体信息获取的技术难点;网络通信信息获取方案;;网络通信信息获取方案;本讲提要;二、搜索引擎技术;二、搜索引擎技术;二、搜索引擎技术;二、搜索引擎技术;本讲提要;2.2.1 网上采集算法;2.2.1 网上采集算法;2.2.1 网上采集算法;网络媒体信息获取原理;2.2.1 网上采集算法;1.初始URL集合;2.信息获取;2.信息解析;3.信息解析（HTTP/HTML）;4.信息判重;从爬虫的角度对互联网进行划分;爬虫URL抓取策略;深度优先遍历策略;宽度优先遍历策略;反向链接数策略;Partial PageRank策略;OPIC策略;大站优先策略;2.2.1 网上采集算法;本讲提要;2.2.2 排级算法;2.2.2 排级算法;2.2.2 排级算法：PageRank;2.2.2 排级算法：PageRank;2.2.2 排级算法：PageRank;2.2.2 排级算法：PageRank;2.2.2 排级算法：PageRank;2.2.2 排级算法：PageRank;2.2.2 排级算法：PageRank;2.2.2 排级算法：PageRank;PR（PageRank（网页级别）) ;PR（PageRank（网页级别）) ;2.2.2 排级算法：HITS;1. Hub页面与Authority页面 ;1. Hub页面与Authority页面 ;2.2.2 排级算法：HITS;2.2.2 排级算法：HITS;2.2.2 排级算法：HITS;2.2.2 排级算法：HITS 算法;2.2.2 排级算法：HITS 算法;2.2.2 排级算法：HITS 算法;优点： （1）知识范围扩大。 （2）搜索时部分地考虑了页面内容，挖掘结果科学性大大增强 不仅应用在搜索引擎领域，而且被“自然语言处理”以及“社交分析”等很多其它计算机领域借鉴使用，并取得了很好的应用效果 ;存在的问题： （1）计算效率低，实时性差 与查询相关的算法 （2）“主题漂移” （3）易被作弊者操纵结果 ??????? 作弊者可以建立一个很好的Hub页面，再将这个网页链接指向作弊网页，可以提升作弊网页的Authority得分 （4）结构不稳定 ????????在原有的“扩充网页集合”内，如果添加删除个别网页或者改变少数链接关系，则HITS算法的排名结果就会有非常大的改变。 ;HITS算法与PageRank算法比较;HITS算法与PageRank算法