基于Hadoop的垂直搜索引擎的設計與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)技術的飛速發(fā)展,網(wǎng)絡信息呈現(xiàn)爆炸式地更新和增長,各式各樣的搜索引擎逐漸進入了大眾的視野。面對海量數(shù)據(jù),傳統(tǒng)的集中式搜索引擎存在服務器負載強度大、系統(tǒng)不夠穩(wěn)定且工作效率低等性能瓶頸。通用式搜索引擎也存在檢索范圍廣,檢索結果不專業(yè)、不準確的缺點,顯然不符合特定領域下信息檢索的需求。
  基于上述問題,本文提出了一種基于Hadoop的垂直搜索引擎系統(tǒng)。該系統(tǒng)搭建了一個Hadoop云計算平臺,完成文件的分布式存儲和數(shù)據(jù)的并行處理

2、。在分布式集群環(huán)境中結合MapReduce編程模型,實現(xiàn)搜索引擎的各功能模塊。在高效處理數(shù)據(jù)的同時,保證了數(shù)據(jù)的安全存儲和系統(tǒng)的穩(wěn)定運行。另外,本文為該系統(tǒng)的網(wǎng)頁信息抓取模塊設計了一個面向主題的網(wǎng)絡爬蟲算法VPCRAW用以抓取與主題相關的網(wǎng)頁信息。該算法綜合了VSM算法和PageRank算法的優(yōu)勢,兼顧網(wǎng)頁內容相關性和鏈接權威性,真正做到了網(wǎng)頁信息的垂直抓取,為后續(xù)模塊提供更為專業(yè)的源文件,從而提高最終檢索結果的準確率。
  實驗

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論