

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、基于RSS的新聞采集是信息采集領域內一個新興而有實用價值的方向。RSS技術作為互聯(lián)網(wǎng)上的最新技術之一,已被廣泛接受和應用,豐富的RSS站點資源正影響著互聯(lián)網(wǎng)內容的瀏覽利用,它通過XML標準定義內容的包裝和發(fā)布格式,使穩(wěn)定、高效、實時、安全、低成本的新聞發(fā)布、接收和使用成為可能。論文在對RSS技術進行了深入研究的基礎上,針對企業(yè)信息門戶中的新聞來源多樣化、新聞采集自動化、時效性強等需求,提出了基于RSS的新聞采集系統(tǒng)的設計思路,并介紹了系
2、統(tǒng)的功能實現(xiàn)。 根據(jù)在新聞采集領域的長期研究以及國內外在新聞采集領域的發(fā)展,本文在綜述了基本情況后,分析了現(xiàn)有新聞采集系統(tǒng)的現(xiàn)狀和不足,提出了一個基于RSS的新聞采集結構模型,這包括RSS Feed解析、Web頁面解析、鏈接的提取及處理、任務控制等一系列算法和步驟,分別給出了相關的處理算法和流程。針對研究過程中遇到的問題,提出了多個新的算法和規(guī)律: ①在分析了RSS和XML語法的基礎上,給出了對RSS Feed中新聞鏈接
3、、標題、摘要等信息的提取算法; ②對RSS Feed頁面中各種鏈接進行了分析,給出了鏈接處理方法和提取流程; ③對信息采集技術進行研究,設計了利用網(wǎng)頁特征值進行定位的新聞內容提取策略; ④在對各大新聞網(wǎng)站進行了研究分析的基礎上,總結出了新聞內容在頁面中的分布規(guī)律,確定了新聞網(wǎng)頁定位的特征參數(shù); ⑤在新聞采集控制過程中,利用多線程技術,設計了并行采集策略。 試驗結果顯示,在采集系統(tǒng)中利用RSS技術,
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。
最新文檔
- 基于RSS的博客采集系統(tǒng)設計與實現(xiàn).pdf
- RSS新聞中心系統(tǒng)與文本挖掘技術的應用.pdf
- 基于RSS的信息推送系統(tǒng)與訂閱系統(tǒng)的研究與實現(xiàn).pdf
- RSS新聞的更新特征分析及RSS Reader的訂閱模型.pdf
- 基于Ajax的RSS閱讀系統(tǒng)的研究與實現(xiàn).pdf
- 基于數(shù)字媒體的新聞信息采集與發(fā)布系統(tǒng).pdf
- 基于RSS的教育資源服務系統(tǒng)的研究與實現(xiàn).pdf
- 基于Java ME的RSS閱讀系統(tǒng)的研究與實現(xiàn).pdf
- RSS新聞聚合型網(wǎng)站的數(shù)據(jù)分析系統(tǒng).pdf
- 基于新聞和論壇的信息采集系統(tǒng)的設計與實現(xiàn).pdf
- 基于RSS的搜索引擎框架的研究與應用.pdf
- 個性化RSS新聞檢索系統(tǒng)設計與實現(xiàn).pdf
- 基于ThinkPHP的RSS閱讀系統(tǒng)的設計與實現(xiàn).pdf
- 基于RSS和本體語義適配的自治主題頁面采集.pdf
- 基于RFID的數(shù)據(jù)采集系統(tǒng)設計與應用.pdf
- 基于壓縮感知的RSS室內定位系統(tǒng)的研究與實現(xiàn).pdf
- 基于Blog與RSS技術的網(wǎng)絡教學系統(tǒng)研究.pdf
- 基于android平臺的rss在線新聞訂閱和閱讀器的設計與實現(xiàn)
- 基于RSS的室內無線定位系統(tǒng)的設計與實現(xiàn).pdf
- 基于RSS的WEB信息集成系統(tǒng)研究.pdf
評論
0/150
提交評論