校園BBS輿情數(shù)據(jù)收集與提取系統(tǒng)的設計與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩45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)的快速發(fā)展，網(wǎng)絡文化安全問題日益突出，同時網(wǎng)絡輿情監(jiān)控也變得日益重要。對于高校而言，復雜的網(wǎng)絡環(huán)境不僅有很大的正面意義，對學校的思想教育工作也是極大的挑戰(zhàn)，所以為了能夠防微杜漸，高校需要及時掌握校園網(wǎng)絡輿情的發(fā)展規(guī)律。BBS作為校園網(wǎng)內最活躍的公共平臺，對于校園網(wǎng)BBS輿情信息的監(jiān)測自然成為研究的重點，而這一課題首先需要解決的問題就是收集BBS頁面數(shù)據(jù)，并提取出相關信息作為進一步輿情分析的數(shù)據(jù)基礎。
　　 基于上述情況

2、，本文首先對Web頁面收集技術即網(wǎng)絡爬蟲進行了研究，并將其原理與BBS特性充分結合，提出了一個定向于校園BBS的輿情數(shù)據(jù)收集與提取系統(tǒng)。該系統(tǒng)采用正則表達式進行統(tǒng)一資源定位符（URL）過濾，此方法能夠快速濾除不符合要求的URL。另一方面，系統(tǒng)將Bloom Filter算法應用到URL去重中，大大節(jié)省了已訪問URL的存儲空間。對于所獲得的頁面，系統(tǒng)根據(jù)它們對應URL的特征進行分類存儲，然后進行模板化提取以增強系統(tǒng)的靈活性，其中模板采用可擴

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