第一届“中国软件杯”大学生软件设计大赛题目副本.pdf
版权申诉
70 浏览量
2022-06-17
11:36:43
上传
评论
收藏 1.34MB PDF 举报
路漫漫其修远兮，吾将上下而求索 - 百度文库
第一届“中国软件杯”大学生软件设计大赛
比赛题目
一、
聚焦搜索引擎
随着各种 B2C、C2C、B2B 的网站的成长和各种测评网站的建设。
足不出户的网络购物已然成为大家生活中的一部分。但是随之而来
想要从各种网站中找到最好、最划算的商品也非常困难。所以提供
一个高质量的在线商品搜索平台无疑会为网络购物带来更好的未
来。虽然用户可以通过 Google、百度、Yahoo 等通用搜索引擎，在
海量的网络数据中取得一些信息。但是通用性搜索引擎也存在着一
定的局限性，如：
. 不同领域、不同背景的用户往往具有不同的检索目的和需求，
通用搜索引擎所返回的结果包含大量用户不关心的信息。
. 通用搜索引擎的目标是尽可能大的网络覆盖率，有限的搜索
引擎服务器资源与无限的网络数据资源之间的矛盾将进一步加深。
赛题简介：介绍整个赛
.
题的思路和整体要求
万维网数据形式的丰富和网络技术的不断发展，图片、数据
库、音频/视频多媒体等不同数据大量出现，通用搜索引擎往往对这
些信息含量密集且具有一定结构的数据无能为力，不能很好地发现
和获取。
. 通用搜索引擎大多提供基于关键字的检索，难以支持根据语
义信息提出的查询。
为了解决上述问题，定向抓取相关网页资源的聚焦爬虫应运而生。
聚焦爬虫是一个自动下载网页的程序，它根据既定的抓取目标，有
选择的访问万维网上的网页与相关的链接，获取所需要的信息。与
通用爬虫不同，聚焦爬虫并不追求大的覆盖，而将目标定为抓取与
某一特定主题内容相关的网页，为面向主题的用户查询准备数据资
源。
传统网络爬虫是一个通过网络，自动下载网页信息，并未搜索引擎
提供信息来源的一个重要组成部分。传统爬虫从一个或若干初始网
页的 URL 开始，获得初始网页上的 URL，在抓取网页的过程中，不
百度文库 - 让每个人平等地提升自我
剩余19页未读，继续阅读
资源评论
