分布式Web信息采集系统的研究与设计

Web信息的急速膨胀,使得Web信息采集面临一个巨大的挑战。针对这一情况,实现了一个分布式Web信息采集系统,以提高一般Web信息采集的能力。文章论述了分布式信息采集的基本原理、分类、难点以及相应的对策,并就该分布式Web信息采集系统进行了仔细的剖析。最后,对分布式Web信息采集的发展作了一个展望。     

一个个性化的Web信息采集模型

介绍了个性化技术和个性化Web信息的采集技术,重点分析了个性化的Web信息采集模型,包括系统总体结构、用户兴趣的获取、个性化Web信息采集流程、个性化推荐的实现。最后对个性化Web信息采集与搜索引擎作了一个比较,分析了个性化Web信息采集的应用。     

基于主题的Web信息采集系统的设计与实现

基于主题的Web信息采集是信息检索领域内一个新兴且有实用价值的方向，也是信息处理技术中的一个研究热点。文章分析了主题Web信息采集的基本问题，提出了难点以及相关的解决方案，并在此基础上设计实现了“天达”主题Web信息采集系统。     

一种并行Web信息采集系统模型

根据国内外在信息采集领域的发展以及并行采集技术的研究，提出了一个基于多线程并行的Web信息采集结构模型，该模型以线程并行的方式对Web页面同时采集，实现了全面、高效并且灵活的信息搜集。     

基于LSA的Web信息采集和统计服务

在网络信息时代,传统的统计预测方法已经不完全适用,而对特定领域的信息采集和统计的需求日趋明显,使有效定向采集和统计特定领域信息并得到其相应的预测结果成为一个日益重要的研究方向。该文通过运用汉语分词、潜在语义分析和语义匹配等技术,构造了用户兴趣模型,并同时使用了面向服务的体系结构来设计该Web信息采集统计服务,通过具体的实验验证了对Web信息结构分析和未知信息相关性预测来控制信息采集统计的效果。     

基于Web的智能信息采集及处理系统设计与实现

互联网信息日益扩展的同时，如何采集和利用Web信息越来越备受关注。该文设计和实现的基于Web的智能信息采集及处理系统，采用高效的URL去重和基于模版的下载机制，提高了采集Web资源的性能；应用自然语言处理技术，对采集信息做智能分类和摘要，在发布上突出个性化的信息服务。与同类系统相比，智能性、实用性都显示出了明显的优势。     

基于Web的新闻采集系统

随着Internet的飞速发展,Web已经发展成为一个巨大的信息资源库,但是目前Web数据大都以HTML形式出现,这使得应用程序无法直接利用Web上的海量信息。针对这一问题,出现了Web信息采集技术。该文对信息采集技术进行了探讨,并在此基础上实现了一个基于Web的新闻采集系统,该系统可根据用户使用正则表达式编写的采集规则快速而精确的采集目标网页中的信息,保存在本地数据库中,用于内部使用或外网发布。     

基于Web的新闻采集系统

随着Intemet的飞速发展,Web已经发展成为一个巨大的信息资源库,但是目前Web数据大都以HTML形式出现,这使得应用程序无法直接利用Web上的海量信息。针对这一问题,出现了Web信息采集技术。该文对信息采集技术进行了探讨,并在此基础上实现了一个基于Web的新闻采集系统．该系统可根据用户使用正则袁达式编写的采集规则快速而精确的采集目标网页中的信息,保存在本地数据库中,用于内部使用或外网发布。     

Web应用监测系统的设计与实现

对Web应用系统的运行进行监测加重系统管理员的工作负担。文中提出了一个Web应用监测系统的解决方案，并阐述了系统的功能和系统结构，还给出了服务器运行信息采集模块和Web应用信息分析模块的实现技术。     

高校网上评教与查询系统的设计与实现

构建一个集评教信息采集、统计、查询于一体的Web信息平台,实现无纸化评教,具有较高的实用价值.     

利用HTML标签筛选网页分类样本

互联网的Web网页中蕴藏着内容广泛、形式各异的信息资源,通过网页的自动分类可以更好地对其内容进行组织和管理,加快信息检索的速度。在训练网页分类器时,对网页样本集进行有效地筛选有可能改善分类器的性能。文中利用HTML文档的结构特点,基于标签对网页样本集进行筛选,从中去除索引型和表格型网页,实验表明,这种方法有一定的可行性。     

Becoming an information provider on the World Wide Web

This paper describes the tools which are being evaluated at the University of Leeds for use by information providers on the World Wide Web. The paper also gives an introduction to the World Wide Web's client/server architecture and the Hypertext Markup Language (HTML). Information is provided on further sources of information which will assist information providers and trainers of information providers.The paper is intended for new information providers on the World Wide Web and for people who are involved in their training.     

基于IE和Gecko内核的网页内容获取与分析研究

对基于IE内核(如IE,Maxthon)与基于Gecko内核(如Firefox)的浏览器的网页内容获取与分析的技术进行了研究,采用Vi-sualC 6.0为平台,基于COM技术和微软的MSAA技术,采用了多种方式实现了基于以上两类不同内核的浏览器的网页内容获取,并对这几种获取方式进行了优劣比较。     

Enhancing Web accessibility via the Vox Portal and a Web-hosted dynamic HTMLVoxML converter

Interactive voice browsers offer an alternative paradigm that enables both sighted and visually impaired users to access the World Wide Web. In addition to the desktop PC, voice browsers afford ubiquitous mobile access to the World Wide Web using a wide range of consumer devices. This technology can facilitate a safe, ‘hands-free' browsing environment which is of importance both to car drivers and various mobile and technical professionals. By providing voice-mediated access, information providers can reach a wider audience and leverage existing investment in their World Wide Web content. In this paper we describe the Vox Portal, a scaleable VoxML client, and a World Wide Web Server-hosted dynamic HTMLVoxML converter.     

基于XML中间件的分布式数据库的数据分片策略

XML技术由于其鬼好的数据描述能力,在数据库系统的数据交换中得到广泛应用。为了降低并行查询的困难程度和提高并行查询的准确度,提出一种基于XML的分布式数据交换中间件模型,给出了该模型的体系结构和功能定义,并根据此中间件讨论了一种分布式数据库的数据分片技术。     

Pioneering on the new frontiers of education

Today's higher education instructors have embarked on a far-ranging detour from the road regularly travelled. Technological enhancements are changing educational approaches by opening new channels for information distribution and instruction. North Dakota State University is taking advantage of such enhancements by bringing the World Wide Web into the classroom with the NDSU World Wide Web Instructional Project. The paper discusses the goals of the project     

A metagenetic algorithm for information filtering and collection from the World Wide Web

This paper describes the implementation of evolutionary techniques for information filtering and collection from the World Wide Web. We consider the problem of building intelligent agents to facilitate a person's search for information on the Web. An intelligent agent has been developed that uses a metagenetic algorithm in order to collect and recommend Web pages that will be interesting to the user. The user's feedback on the agent's recommendations drives the learning process to adapt the user's profile with his/her interests. The software agent utilizes the metagenetic algorithm to explore the search space of user interests. Experimental results are presented in order to demonstrate the suitability of the metagenetic algorithm's approach on the Web.     

基于语料的Web页面抽取器的研究与实现

主要介绍了面对万维网上各种各样的诸如文本、声音、图形和图像等语料信息，如何按照用户的实际需求将其中对用户有用的信息抽取出来，从而实现对现有语料信息的一种有效分离。重点介绍了Web信息簇聚性的特点和语料库的设计，以及语料库的实际工作原理。     

WTMS: a system for collecting and analyzing topic-specific Web information

With the explosive growth of the World Wide Web, it is becoming increasingly difficult for users to collect and analyze Web pages that are relevant to a particular topic. To address this problem we are developing WTMS, a system for Web topic management. In this paper we explain how the WTMS crawler efficiently collects Web pages for a topic. We also introduce the user interface of the system that integrates several techniques for analyzing the collection. Moreover, we present the various views of the interface that allow navigation through the information space. We highlight several examples to show how the system enables the user to gain useful insights about the collection.     

The WBC's semantic Web activity: an update

The World Wide Web consortium is a group of about 370 international companies working together to develop recommendations, or Web standards, for the World Wide Web. W3G announced final approval of two key semantic Web technologies: the revised RDF and OWL. RDF and OWL are semantic Web standards. These standard formats for data sharing span application, enterprise, and community boundaries share the same information, even if they don't share the same software.