二次信息采集系统及信息指纹HashTrie研究(英文)

来源 :Journal of Southeast University(English Edition) | 被引量 : 0次 | 上传用户:huanghuimin1224
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
提出一种在内网和外网间处于物理隔离状态下防止信息重复采集的电子政务二次信息采集交互系统原型.外网用户能够从客户端软件中二次采集由webalert功能采集的互联网中最新相关网页的链接所指内容,最后再通过摆渡式传输设备将采集结果传递到存储设备上,与内网搭建的网络平台进行数据同步,供内网用户直接浏览.在外网抓取信息和内外网数据同步中,都需要对网页提取信息指纹进行对比,防止重复抓取和拷贝.原型采用HashTrie保存信息指纹.进行评测对比后,可知基于HashTrie信息指纹提取比目前专利申请中速度最快的Darts(双数组Trie)结构快2.28倍,还提出了一种新的Hash函数,并且实现了现有12种高速Hash函数以供HashTrie使用,当词典容量大于50万词时,可以采用PJWHash或SuperFastHash函数,而当词典容量为10万词时,可以采用CalcStrCRC32和ELFHash函数. This paper proposes a prototype of an interactive e-government information collection system that prevents duplicate information collection under the condition of physical isolation between the intranet and the extranet. The extranet users can secondly collect the latest version of the interoperability information collected by the webalert function from the client software The content of the relevant webpage is referred to, and finally the delivery result is delivered to the storage device by the ferry-type transmission device to synchronize data with the network platform set up by the intranet for direct browsing by intranet users. Data synchronization, we need to extract the information on the web page to compare the fingerprint to prevent duplication of crawling and copying Prototype using HashTrie save information fingerprints.After the evaluation comparison, we can see that fingerprint extraction based on HashTrie information than the current patent applications in the fastest Darts ( Double array Trie) structure is 2.28 times faster, also proposed a new Hash function, and implements the existing 12 kinds of high-speed Hash function for HashTrie use, when the dictionary capacity is greater than 500,000 words, you can use PJWHash or SuperFastHash function, When the dictionary capacity is 100,000 words, CalcStrCRC32 and ELFHash functions can be used.
其他文献
前不久,笔者采访了一位刚从法国回来的朋友,闲聊之中,他兴致勃勃地从公文包里抽出一张纸给我,接过来一看,原来是一首题为《微笑》的诗。于是,我信口读了起来,越读越觉有味,越
朋友,下面这些问题看起来很简单,然而,你要在60秒内答出来,也并非易事。不信你试试。 (1)电话用的电是什么电? (2)“二点五”大还是“二分之五”大? (3)手风琴用左手,还是用
□学术园地中共河南省委副书记支树平同志在“河南 省发展先进生产力”研讨会上的讲话 支树平  1 4……………………………………………河南省发展先进生产力研讨会综述 
最近,友人告诉笔者一段真实的故事:几个成年人在一起议论退休的问题,在旁边的八岁女孩说:“我现在能退休该多好啊!” 细细品味,这决不是一句玩笑话,而是发自女孩内心的声音。
在描述并行设计多目标模糊关系的基础上,提出一种产品设计的多目标模糊决策模型。作用应用,研究了某型号自动步枪并行设计的多目标模糊决策。 On the basis of describing the
为了让读者对计算机在精确制导上的作用有个较为全面的了解,我们将以“北约”飞机精确制导中计算机应用为例,向读者介绍一些概况。从而揭穿“北约”所谓“误炸”我大使馆的谎
随着我国经济社会的不断发展,我国小学音乐教育不断进步。新的形势下,新的课程改革对小学音乐教学提出了更高的要求。特别是素质教育对美育教育的要求越来越高,家长对小学生
本文给出了一种避免网站危机的方法,即从软件工程的角度分析了电子商务网站建设过程中的常见问题,提出利用软件工程原理来规划整个电子商务网站。 This article gives a way
Y1986年,在曼谷大街上曾出现过一辆深褐色的公共汽车,引起了公众的不满。因为这种深褐色常常造成人们的错觉,把车辆的距离看得比实际距离远,司机们也为此忐忑不安,纷纷提出
生了病非得吃药、打针吗?非也。据宋代文学家秦观《淮海集》载:秦观在河南汝阳县时得了胃肠病,经服药医治,毫无疗效,甚是烦闷。一日,有个姓高的朋友来看望他,带来一幅面,对秦