基于散列思想的网页去重系统

来源 :硅谷 | 被引量 : 0次 | 上传用户:xiaofyk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
信息时代的到来,使计算机网络的使用频率越来越高,互联网上的信息也越来越多。广大Internet用户在使用搜索引擎系统时,常常会发现搜索输出结果里面包含大量的重复信息。如何快速准确地发现这些内容上相似的网页,并将重复的页面清除是目前最关注的问题。网页去重是提高检索质量的有效途径。给出一种基于散列思想的网页去重系统,介绍系统的具体实现步骤,算法有较高的判断正确率,在信息检索中有较好的应用前景。 The advent of the information age, the use of computer networks more and more high-frequency, more and more information on the Internet. The majority of Internet users in the use of search engine systems, often find the search output contains a lot of duplicate information. How to quickly and accurately find similar content on these pages, and duplicate pages clear is the most concern. Web page weighting is an effective way to improve the quality of search. A Web page deduplication system based on hashing idea is presented. The concrete implementation steps of the system are introduced. The algorithm has a higher correctness of judgment and a better application foreground in information retrieval.
其他文献
文章从焊材检查、焊材烘烤、焊材领取与发放、焊接工艺等方面阐述了安阳市南水北调配套工程倒虹吸钢管焊接的焊材质量控制,提出了焊接工艺试验、施焊环境的要求,详细介绍了焊前
商丘位于豫东平原,属淮河流域,流域面积100 km2以上河流42条,大部分中小河流防洪标准低于10年一遇。多年以来中小河流治理工程标准低,洪水灾害损失严重,河流治理经费投入不足,河流
倒虹吸是南水北调中线工程中最常见的交叉建筑物型式之一。它分布广泛,但工程规模差别极大,倒虹吸的设计能否成功直接关系到所跨河渠洪水的出路及总干渠的安全。贾鲁河倒虹吸是
渠道衬砌是南水北调中线工程的主要施工项目,每一道工序的施工质量都会对渠道的安全运行产生影响。文章对渠道衬砌中渠床整理、排水系统、垫层、保温板、复合土工膜、衬砌混凝
本文重点就建设工程管理控制的具体内容,如进度控制、质量控制等进行了分析和探讨.
介绍了差动放大电路演变历程,理论上分析了典型差动放大的工作原理以及特性参数的计算公式;应用虚拟实现技术--Proteus软件进行了静态特性、差模输入信号、共模输入信号的实
本文论述了财务会计核算中心工作的特点,进一步提出了建设会计核算中心作为财务制度改革中的新生事物,应从三个方面深入加强制度建设,使其在实践中逐步完善,进一步发挥积极作
在收集了生物节律理论及该理论与运动领域方面关系的研究资料下,对生物节律理论的时代背景及其发展进行了分析,指出在运动中生物节律研究的重要性及其必要性。 Based on the
大力发展生产性服务业对促进服务业发展、推动产业升级、加快经济发展方式转变具有重要的战略意义.本文在界定生产性服务业内涵和分类的基础上,重点分析了天津市发展生产性服
本文结合工程实例对碾压混凝土的施工工艺作出分析并提出改良措施,供同行参考.