收藏本站
《浙江理工大学》 2013年
收藏 | 手机打开
二维码
手机客户端打开本文

基于搜索引擎的邮箱地址自动提取系统开发

刘冉  
【摘要】:信息抽取技术已成为当前的研究热点之一,而对搜索引擎返回信息中存在的所谓的Rich Data Poor Information问题也是亟待解决的,若将两者相结合无疑是件很有趣又有实际价值的事情。 本文就把为大家所熟知熟用的搜索引擎与信息提取技术相结合,开发出了一种基于搜索引擎的邮箱地址提取系统。有效的解决了常见邮箱搜索器中普遍存在的精确度不高、用户自主选择性低、前后两次结果会被重复提取等问题。 本文的主要工作内容及创新点如下: 首先,通过URL地址拼接技术,调用各大搜索引擎的返回数据获取源数据。用户提交关键字和需要处理的搜索引擎起始页面后,根据搜索引擎返回数据首页的url地址结构,拼接出首页的URL链接地址。对比于之前的研究,本文实现了自动翻页提取,即实现对“下一页”链接地址的获取。此外,为了增加Email系统中用户的自主选择性,用户可以根据需要,对要处理的网页页数范围进行限制。 其次,HTMLParser包对html网页进行解析,利用正则表达式并对Email地址进行提取。为了获取更多更全面的信息,本文利用HTMLParser对网页内部的URL链接地址进行了深层提取。用户可以根据自己的需要,选择需要处理的网页层数级别。 再次,为了进一步提高用户的自主选择性,用户可以根据自身需要,选择对最后搜索结果中邮件服务器域名(如163.com、126.com、edu.cn等等)进行过滤。此外为了避免本次提取到的信息下次不会被重复提取,选择将结果保存在Access数据库中。抽取的结果也可以手动选择以文本文件的格式保存。 最后,对系统进行了测试工作,针对出现的问题进行了改善,并对系统结果做了分析和评价,发现系统稳定性良好,可正常运行15小时(早8:00至23:00),足以满足实际需要。而且召回率和准确率都在94%以上,这比现存的邮箱地址搜索器实现的结果都要高。
【学位授予单位】:浙江理工大学
【学位级别】:硕士
【学位授予年份】:2013
【分类号】:TP391.3

【相似文献】
中国期刊全文数据库 前10条
1 PowerKey;;搜索黑客的10条绝密笔录[J];电脑爱好者;2009年24期
2 张继刚;搜索引擎使用技巧[J];网络与信息;1999年09期
3 ;关键词搜索[J];每周电脑报;2000年38期
4 陈冰;;饿狼一样的网站提交工具——“提交饿狼”[J];科学之友;2000年07期
5 许斗;从Google看新一代搜索引擎的发展趋向[J];芜湖职业技术学院学报;2001年01期
6 周毅华;从搜索引擎的分类看其应用技巧[J];图书馆理论与实践;2002年06期
7 邹小筑;搜索引擎的选择与使用技巧[J];图书馆学研究;2002年05期
8 林燕;Google搜索引擎的搜索功能与使用技巧[J];河北科技图苑;2003年05期
9 林中;GOOGLE搜索引擎的关键词检索[J];中国信息导报;2003年03期
10 封剑待封喉;吸星大法“搜”天下 笑傲网络任我行——搜索引擎绝对专题[J];网络与信息;2003年07期
中国重要会议论文全文数据库 前10条
1 彭轲;廖闻剑;;浅析搜索引擎[A];中国通信学会第五届学术年会论文集[C];2008年
2 李丹;;如何利用搜索引擎查找中医药信息[A];中国中医药信息研究会第二届理事大会暨学术交流会议论文汇编[C];2003年
3 邓长寿;郭景峰;杨焱林;邓安远;;下一代Web搜索引擎初探[A];第十八届全国数据库学术会议论文集(研究报告篇)[C];2001年
4 维尼拉·木沙江;吐尔洪·吾司曼;;维、哈、柯文搜索引擎中网页爬行器的设计与实现[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年
5 汤薇;曾艳;;构建校园网搜索引擎必要性分析[A];广西计算机学会2008年年会论文集[C];2008年
6 姚树宇;赵少东;;一种使用分布式技术的搜索引擎[A];2005年全国开放式分布与并行计算学术会议论文集[C];2005年
7 倪俊峰;;基于黄页搜索引擎的关键字排名广告系统的设计与实现[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年
8 张怡;查贵庭;;SEO在信息服务中的应用研究[A];2010年中国索引学会年会暨学术研讨会论文集[C];2010年
9 陈援非;何哲;朱珍民;;基于普适计算的个性化搜索技术[A];第二届和谐人机环境联合学术会议(HHME2006)——第2届中国普适计算学术会议(PCC'06)论文集[C];2006年
10 杨萌;李春丽;朱明;;网络搜索技术下的编辑工作[A];学报编辑论丛(第十一集)[C];2003年
中国重要报纸全文数据库 前10条
1 特约作者 高博;谷歌Instant重新定义搜索引擎[N];电脑报;2010年
2 李一鑫;搜索排名的红与黑[N];财经时报;2007年
3 周文林;搜狗3.0能否撼动搜索市场[N];经济参考报;2007年
4 惠正一;比尔·盖茨:微软不怕Google[N];第一财经日报;2005年
5 赛迪顾问股份有限公司互联网与电子商务咨询中心 常燕杰;搜索,还是门户[N];中国计算机报;2005年
6 陈珊;浙江移动推出手机搜索引擎服务[N];人民邮电;2005年
7 赵法忠;搜索引擎还需悠着点[N];中国经营报;2005年
8 金朝力;搜索引擎火拼搜索质量[N];北京商报;2006年
9 本报记者  赵晓辉 孟昭丽;搜索引擎驶入“避风港”[N];中国证券报;2006年
10 孙琎;搜索引擎惊喜侵权官司止于“避风港”?[N];第一财经日报;2006年
中国博士学位论文全文数据库 前10条
1 岑荣伟;基于用户行为分析的搜索引擎评价研究[D];清华大学;2010年
2 李群;主题搜索引擎聚类算法的研究[D];北京林业大学;2011年
3 苏君华;面向搜索引擎的技术接受模型研究[D];南京大学;2011年
4 刘佐达;分布协作式搜索引擎模型及算法研究[D];清华大学;2011年
5 陈旭毅;基于索引云的企业搜索引擎实现研究[D];武汉大学;2011年
6 郭眈;中文互联网视频搜索引擎系统策略研究[D];北京交通大学;2012年
7 王镠璞;基于用户体验的互联网搜索引擎医学信息检索可用性评估研究[D];吉林大学;2010年
8 李莎莎;面向搜索引擎的自然语言处理关键技术研究[D];国防科学技术大学;2011年
9 郑文良;基于简单本体的农业P2P搜索引擎关键技术研究[D];沈阳农业大学;2013年
10 白玉琪;空间信息搜索引擎研究[D];中国科学院研究生院(遥感应用研究所);2003年
中国硕士学位论文全文数据库 前10条
1 薛云;Internet上元搜索引擎的研究与设计[D];太原理工大学;2003年
2 王春花;基于Nutch的农业搜索引擎检索结果排序策略的研究[D];西北农林科技大学;2010年
3 李雷;基于Nutch的农业信息搜索引擎实现和优化[D];吉林大学;2011年
4 董晨;基于模糊聚类的个性化搜索引擎的研究[D];福州大学;2005年
5 封俊;基于Hadoop的分布式搜索引擎研究与实现[D];太原理工大学;2010年
6 李浩;分布式教育网信息检索系统的研究和实现[D];华南理工大学;2010年
7 尉建兴;基于Lucene搜索引擎的研究与应用[D];太原理工大学;2011年
8 李建平;智能化WEB信息搜索引擎的研究与实现[D];大庆石油学院;2003年
9 田生伟;基于涉农词典的搜索引擎的研究与实践[D];新疆大学;2004年
10 欧建斌;基于Web挖掘与信息分类的个性化搜索引擎研究[D];暨南大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026