模式驱动的面向领域智能Web数据采集引擎

摘要

万维网是一个海量的、动态的、非结构化的、异构的信息仓库,这些特性为现有的信息处理技术带来了一系列挑战.今年来一系列的研究相继出现和发展,并在某些领域获得不错结果,例如互联网搜索引擎技术(Yahoo,Google)已经成功地商业化.但海量数据的压力和用户巨量点击率,使搜索引擎只能对页面进行较简单的分析,提供给用户的查询方式也是基于传统的,本文探讨模式驱动的面向领域智能Web数据采集引擎.