网站原创摘 要：网页查重技术是浏览获取有用信息的关键技术,传统的查重方法中,选取关 键 词在网页中出现的频率来判断网页是否重复,如果关 键 词相近,可能造成查重误判的情况.本文提出网页本身特有的指纹技术,设计新的查重算法,通过与网页特征库中的指纹比较,完成网页的查重工作,提高查重的准确率.
Abstract：Webpagefingerprintcheckingisakeytechnologytoscanandgetusefulinformation.Thetraditionalmethodofwebpageduplicatedetectionselectsthefrequencyofoccurrenceofkeywordsasthestandardtoverifywhetherit’sduplicate,thesimilarkeywordaymisleadtheduplicatedetection.Thispaperproposedtheuniquewebpagefingerprinttechnology,designednewdetectionalgorithm.Comparingwithwebpagefeatureoffingerprint,thepaperpletesthewebpagerepeat-checkingworkandimprovestheaccuracyofduplicatedetection.
| 有关论文范文主题研究: | 关于互联网的论文范例 | 大学生适用: | 硕士学位论文、电大论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 97 | 写作解决问题: | 学术论文怎么写 |
| 毕业论文开题报告: | 文献综述、论文小结 | 职称论文适用: | 期刊目录、中级职称 |
| 所属大学生专业类别: | 学术论文怎么写 | 论文题目推荐度: | 最新题目 |
关 键 词：网页指纹；网页查重；位置向量
Keywords：webpagefingerprint；webpageduplicatedetection；positionvector
中图分类号：TP393.0文献标识码：A文章编号：1006-4311（2014）15-0225-02
0引言
当今世界处于互联网信息时代,网络和信息技术得到飞速提升,互联网上的信息呈现几何级爆炸式的增长,给用户带来了大量有用信息,也带出了一些问题.用户浏览不同网站目的是查找需要的信息,实际情况是大量信息在各网页间