搜索引擎中網絡爬蟲及結果聚類的研究與實現.pdf

1、隨著網絡科技和搜索技術的快速發(fā)展，人們生活中越來越多地通過互聯網和搜索引擎來獲取各種信息。搜索引擎通過網絡爬蟲定期地從互聯網上抓取新的網頁，并為網頁內容建立索引數據庫，以方便后續(xù)的信息檢索。網絡爬蟲的爬行效率直接影響著搜索引擎的檢索效果，爬行的規(guī)模越大，周期越短，查全率就越高。另一方面，近年來隨著搜索引擎提供服務的多樣性，網絡成為人們獲取新聞資訊的主要媒介之一，新聞熱點搜索等方面的中文短文本在線聚類和語詞間語義層面的聚類需求越來越多。本

2、文主要針對搜索引擎中的網絡爬蟲和搜索結果的短文本聚類進行了研究。在網絡爬蟲方面，為了提高爬蟲性能，主要是對爬蟲的核心模塊----頁面解析模塊和去重模塊分別給出了相應的改進方法。主要內容如下：
　　 ⑴對于爬蟲的頁面解析方法，改變了Weblech等開源爬蟲中所使用的利用HTML tag標簽匹配抽取的方式，而是將半結構化的文檔轉化為XML，進而表示成DOM文檔對象模型來抽取內容，這種方式充分利用了結構化信息容易抽取的優(yōu)勢，同時也方便

3、使用很多優(yōu)秀的讀寫XML的開源程序比如DOM4J，JDOM來改進程序的效率。
　　 ⑵爬蟲系統中如何高效去重是個較復雜的議題，傳統的概率算法BloomFilter 在URLs去重上表現出了非常好的空間效率，但也伴隨著一定的誤判率，且誤判率會隨著爬行規(guī)模的增大而提高。本文提出一種基于Bloom Filter的分段哈希算法對爬蟲的URLs 去重模塊進行了改進，在減小誤判率的基礎上提高爬蟲性能。
　　 ⑶通過對上述頁面解析和U

4、RLs去重改進方法的實現，本文改進的爬蟲相比原有的Weblech系統和開源爬蟲Larbin 而言不僅能解析出更多的有效鏈接，而且有效的提高了爬蟲的性能。
　　 ⑷在搜索結果的短文本聚類方面，由于已有的文本在線聚類算法當處理中文短文本時，聚類特性沒有得到最理想的發(fā)揮，同時為了滿足語詞間語義或者概念層面的聚類，本文提出一種中文短文本在線聚類算法，并分別給出改進的編輯距離來進行中文短文本的相似性度量，以及利用搜索引擎的檢索結果來進行語