龙马网络内容定向建设系统.ppt
《龙马网络内容定向建设系统.ppt》由会员分享,可在线阅读,更多相关《龙马网络内容定向建设系统.ppt(33页珍藏版)》请在三一文库上搜索。
1、龙马网络内容定向建设系统,广州阔拓信息科技有限公司,背景,我们需要网络信息吗 在购买了大量专业库的情况下,无论是科研,还是学习仍然要通过搜索引擎去寻找海量的,最新的专业信息(论文、评论、动态、文章)和新闻动态,虽然很累,但是我们离不开网络信息。 传统互联网搜索的缺憾 大量的有用信息与之擦肩而过 能收集多少?有多少时间去收集? 不同的网站去登录,去注册,不断的发现是重复内容,不累吗? 建立专业数据库 大数据的挖掘,我们做到了多少?,?,?,?,解决方案,龙马网络内容定向建设系统是运用尖端的搜索引擎技术、文本挖掘技术,自然语言技术、统计语言学、机器人工智能技术等面向个人科研、学习信息收集和图书馆的
2、特色数据库建设的系统工具。通过用户所设置的分类和关键词,对网页内容自动采集处理、自动识别、文章去重与相似度分析、智能聚类分类、自动生成摘要和关键词、主题检测,分类自动入库。 用途 图书馆建立专题数据库 教师建立个人的学科情报、研究专题库 大数据挖掘,页面解析、文件编码处理、文章自动去重、正文自动识别与提取、标题自动识别与提取、垃圾信息过滤、文章相似度判别、自动摘要、自动分类、热点发现、高效索引、海量信息存贮,访问穿透需要注册、登录的各类型网站、论坛、博客; 元搜索采集、RSS采集和指定站点采集等多种采集途径,实现采集全网覆盖;支持对多种网页格式、多种字符的采集。,根据网络转载、本地引用、内容数
3、据提取、搜索引擎查询频次,判断采集的精度和全面性,自动优化算法。,系统功能,全面 采集,精确 处理,内容 分析,建设内容,采集 对象,采集 内容,内容 标引,自动 归类,各大学术搜索引擎 数千个学术网站 学术论坛、博客 常用搜索引擎 全网络覆盖,论文 开放期刊 预印本 学科文章 评论 会议报告 学术动态 学科新闻,题名 关键词 内容摘要 来源网站 文章字数 是否带有附件 全网转载数 本地引用数,国标学科分类 本馆自定义分类,说明,系统是对定向任务(专题)面对互联网的全面采集,是从整个网络信息中采集自己关注、需要的信息进行入库、整理的系统。 对采集入库的情报可以进行即时的查找,分析、汇总分发。
4、本系统不是搜索引擎,不能对未采集的内容进行查找。 收费文章、商业数据库、加密文章不在本系统收集范围之内。,专题2,专题4,专题3,先建立采集任务,才有内容可供使用,使用步骤必须步骤,1、建立采集专题,专题中必须有需要监控关键词。 2、如果有需要定向监控的网站,设置定向监控源。 3、过滤词设置。对于采集文章中需要回避的词(该词在内容中出现能够表明该文章是不需要的)进行设置,设置了的过滤词如果在文章中有出现,该文章将别系统自动排除,不被收录。过滤词的设置可以在系统运行最初进行,更多的是在系统运行一段时间(3天)后观察采集到的错误文章以后再进行设置。 4、过滤源设置。设置成为过滤源的网站,系统将自动
5、跳过,不对其网站的任何内容进行采集。,前台说明,前台说明,:系统管理入口:从这里可以进入到后台的管理区域。 :导航区:对采集回来的内容从如下几个方面进行展示 自建库:该类别下的文章都是图书馆自建数据库采集回来的文章。 最新文章:所有的文章,按照发布时间倒排序展示。 热门文章:按照文章在网络上的转载次数进行倒排序展示。 精品文章:从专业的学术网站收录回来的内容都展示在这里。 :综合搜索: 这里是一个搜索区,在首页的搜索区,搜索的内容根据选择的条件进行查询,在二级页面的搜索区,是在当前二级页面的基础上再根据搜索区的条件进行过滤。 :全文检索:这里是对文章的内容进行全文检索,按照搜索引擎的规则搜索文
6、章。 :最新文章: 这里是显示最新收录回来的文章,点击右面的更多进入到二级页面。 文章列表中点击标题可以查看收录的文章内容,点标题进去查看内容不需要客户端电脑连接互联网就能看到内容。标题后面是该文章的一些属性。 如果有转载数,可以点击转载数的数字显示文章的转载列表。 媒体是这篇文章在什么网络媒体上收录回来的,媒体名称的链接可以直接进入该媒体进行查看原文。,系统使用,该二级页面是所有学科的文章汇集列表。,本帐号开放的管理功能,自建库分类管理,系统的使用第一步是设置进行自动采集的专题,在系统中以分类形式展现。,点击添加,进入到添加分类页面,自建库分类管理,填写分类名称和编码(编码可以不填) 状态是
7、选择本专题是否立即开始采集任务,一般情况下都应该选择“是” 是否开放是选择本专题采集到的内容是让公众都可见还是只让本帐号通过用户名、密码登录才可见。 在包含的关键词中录入该分类的想要采集的文章可能会出现的关键词。 排除的关键词是指在文章中出现这些关键词就不收录。(一般来说,排除关键词都是采集了一段时间内容以后,观察采集的内容以后才进行设置)。 填写完毕后点击保存即可。,关键词输入,注意: 每一行表示一个关键词组。 不同行关键词组之间的关系是或者(or)的关系 同一行里边只允许有与(and)的关系,用空格表示与(and)的关系。 or、and和( )等符号是保留符号,不允许出现这些符号。 词在文
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 网络 内容 定向 建设 系统
链接地址:https://www.31doc.com/p-3217064.html