第二章网络信息采集技术介绍作业讲评 1.选释盟 (1)C (2)BC (3)BCD (4)ABCD (5)ABC 注意：第1愿的备选答案中的四个选择项军是网路信息采集的适用原则，对旧信息除是它的 时效性原测。其它3个原则也要求认真掌握。 第2题中选择答案C,其中A是用户获取信息比较别动，而不是主动，这是信息推送技术的一 个主要特点，它是一种信息获取技术，但对用户米说比较核动，不能透邦内容。 第4愿，网络信息采集软件，教材中使用的是G工，网络信息采集大师，这是比较典型的一 款采集信息，信息分类、数据输出的实用软件。在使用这个软件的时候注意它的“数据提取规则” 项下的设置中有一个“前标识符”“后标识符”的编写原则，要注意网页一定要在tet载件的到 览器中打开，然后点击“源文件”按钮米分析数据。查找正确的前后标肌符。一定要多加陈习才能 做到熟练运用。 2.判斯题 (1)(√)(2)()(3)(×)(4)（√）(5)（√） 第3题，b信息以超文本硅接方式组飘。基本组织单元应该是信息节点，而不是字符串，信 息节点之间通过链接进行联系，通过链接从一个信息节点到另一个信息节点， 3.思考题 (1)答：网铬信息资源采集的特点主要表现为采集对象的多样化、采集方式的多元化以及深集 手段的现代化。网络资源采集原则主要有全面性原则、针对性原则、时效性原则、选择性原则、全 程性原则。 (2)答：严格的资源深集标准是信息责源可掌性的关量保障之一。可以从内容和形式两个方面 对网铬信息宽源的质量进行评价。 内容标准主要包括权城性。实用性、准确性，时效性、鞋特性、全面性等。 形式标准主要从三个方面去衡量，即资源的组织与利用方式、资源的接入条件、网站的页面设 计. 挂意：以上两道愿挥是本章应该掌握的重点问圈，希望同学们能在理解的基础上完全拿暴。另 外，第3恩也是本章的一个重点内容，课后要多风读教材中提到的知识。 (3)答：目前流行的采集技术主要是人工采集、网站系统抓取以及定制信息等。 人工采集是通常的网格信息采集方式。常见的人工获取网洛信息的主要方式有：通过相关领城 的学科主题指南或学科信息门户进行搜素、使用搜索引草采集信息、利用专业网站查找、限踪综合 性门户的相关栏目、跟踪相关的重要国际组织或机构的网站、了解相关学科领域的专家并搜寻他们 的个人网站、搜索和如入相关领域的重要主题性惠件列表等。人工采集方法有一个共同点：用户手 工键入一个L或电子邮件地址。这些客户端软作就蛙接到信息源。用户可以从信息源上获取所需 信息
1 第二章 网络信息采集技术介绍 作业讲评 1．选择题 （1）C （2）BC （3）BCD （4）ABCD （5）ABC 注意：第 1 题的备选答案中的四个选择项都是网络信息采集的适用原则，对旧信息删除是它的 时效性原则。其它 3 个原则也要求认真掌握。 第 2 题中选择答案 BC，其中 A 是用户获取信息比较别动，而不是主动，这是信息推送技术的一 个主要特点，它是一种信息获取技术，但对用户来说比较被动，不能选择内容。 第 4 题，网络信息采集软件，教材中使用的是 NETGET,网络信息采集大师，这是比较典型的一 款采集信息、信息分类、数据输出的实用软件。在使用这个软件的时候注意它的“数据提取规则” 项下的设置中有一个“前标识符”“后标识符”的编写原则，要注意网页一定要在 netget 软件的浏 览器中打开，然后点击“源文件”按钮来分析数据，查找正确的前后标识符。一定要多加练习才能 做到熟练运用。 2．判断题 （1）（√） （2）（√） （3）（×） （4）（√） （5）（√） 第 3 题，Web 信息以超文本链接方式组织，基本组织单元应该是信息节点，而不是字符串，信 息节点之间通过链接进行联系，通过链接从一个信息节点到另一个信息节点。 3．思考题 （1）答：网络信息资源采集的特点主要表现为采集对象的多样化、采集方式的多元化以及采集 手段的现代化。网络资源采集原则主要有全面性原则、针对性原则、时效性原则、选择性原则、全 程性原则。 （2）答：严格的资源采集标准是信息资源可靠性的关键保障之一。可以从内容和形式两个方面 对网络信息资源的质量进行评价。 内容标准主要包括权威性、实用性、准确性、时效性、独特性、全面性等。 形式标准主要从三个方面去衡量，即资源的组织与利用方式、资源的接入条件、网站的页面设 计。 注意：以上两道题都是本章应该掌握的重点问题，希望同学们能在理解的基础上完全掌握。另 外，第 3 题也是本章的一个重点内容，课后要多阅读教材中提到的知识。 （3）答：目前流行的采集技术主要是人工采集、网站系统抓取以及定制信息等。 人工采集是通常的网络信息采集方式。常见的人工获取网络信息的主要方式有：通过相关领域 的学科主题指南或学科信息门户进行搜索、使用搜索引擎采集信息、利用专业网站查找、跟踪综合 性门户的相关栏目、跟踪相关的重要国际组织或机构的网站、了解相关学科领域的专家并搜寻他们 的个人网站、搜索和加入相关领域的重要主题性邮件列表等。人工采集方法有一个共同点：用户手 工键入一个 URL 或电子邮件地址，这些客户端软件就链接到信息源，用户可以从信息源上获取所需 信息
信息采集技术是在用户设定某些信息源的某类信息后，采集器就自动地定期从这些信息源中取 出用户所需的最新信息。这是一种定向收集和定题收集相结合的主动的、限除式的多向收集，它的 特点是获取信息主动、灵清。 信息推送也是一种信息获取技术。网路公司通过一崖的技术标准或协议，从网上的信息题成信 息制作商获取信息，经过加工之后，通过固定的领道向用户发送信息。这种方式的特点是用户获取 信息比较被动，只能定制白己的频道，信息的来源以及信息的具体内容往往不能灵话地控制： 网络信息资源采集的策略主要有以下几种：《1)限制采集的深度：(2)限制某些蛙接：(3)限 制授素跳转：(4)限制采集的文件类型，(5)采集成不采集某些目录下的文作，除此外，还可过滤 国的信息、限制采集文作的最大长度，限制站点采集的最大页数等等。 (4)答：目前，网铬信息采集技术不断发展，取得了很大的进步。 资源定位检案技术：互联网是以TP/IP和HTTP为核心面爱展起来的。L俗称网址，是描述 网络信息资源的字符串一一统一贤源定位符。网路数据库、网上出版物、网格机构等有因定的阻。 联机数据库检索中心，期刊、报纸等电子出版物，图书算、高校、企业、政府等机构都有难一明确 的网址。利用网洛测克器（如）查找网址，可以快捷、方便地获得针对性极强的“对口”网路信息， “超链接”搜需技术：中信息以超文木链接方式组织。同一主题或相关的信息因超级链接构 成了庞大的无形的跳跃式的信息网。人们可以根据它顺腰颜瓜，在网上自由地测克信息，边浏蓖点 击边分析棉选，一步一步根据链接典转查阅，直至获得令人满意的结果。 网络搜素引摩技术：艘索引摩技术集中体现在四个方面：访问、阅读、整理b信息的信息采 集，建立包含关健信息的素引数据库，根据用户请求查找素引数据库相关文档的搜索软件。以及为 用户是供可视化的查询输入和结果输出界面的用户接口。目牌，实现网路信息检素的授素引要技术 可以分为两类，即网站分类目录技术和全文案引检索技术， 中挖据技术：是从■及其相关的资源和行为中抽取有用的模式和隐含信息，利用b技术 中的文本总结技术，可以从文档中抽取出关键信息，以简洁的形式对b文药的信息进行摘要或表 示，使用户大致了解吨文档的内容，对其相关性进行取含。 除以上技术外，知识发暖技术，通用信息检索技术、自燃语言处理技术等也有了很大的发展。 (5)答：随着计算机及通调技术的发展，网路信息采集技术也在不断发展。网洛信息采集技术 的发展趋势主要表现在以下几方面： 检索工具的多语种化：多语种检索即提供多语种的检素环境供检索者选择，系统按折定的语种 进行检索并输出检素结果。许多搜索引攀露在构适跨语言搜常引肇。 检索工具的惊合化和专业化：综合性的检常工具要求面向一切学科，跨越所有领线，提供全面 的信息。另一方面，由于有些用户对所需信息的深度、内容的精确性和相关性要求较高，为了提高 检素质量，专业网络检索工具必须面向特定的专业额域。满足专业用户的信息需求。 检索寻址的内容化：基于内容的检素是指根据媒体对象的语文，特征进行检索，利用多爆体信 息分析处理程序，对其内容进行全面准确的标月，建立“内容一对象”关系型素引多煤体数据库。 检索时计算机程序自动获取用户查询内容，然后与多煤体素引库匹配并提供内容完全一数的检素结 2
2 信息采集技术是在用户设定某些信息源的某类信息后，采集器就自动地定期从这些信息源中取 出用户所需的最新信息。这是一种定向收集和定题收集相结合的主动的、跟踪式的多向收集，它的 特点是获取信息主动、灵活。 信息推送也是一种信息获取技术。网络公司通过一定的技术标准或协议，从网上的信息源或信 息制作商获取信息，经过加工之后，通过固定的频道向用户发送信息。这种方式的特点是用户获取 信息比较被动，只能定制自己的频道，信息的来源以及信息的具体内容往往不能灵活地控制。 网络信息资源采集的策略主要有以下几种：（1）限制采集的深度；（2）限制某些链接；（3）限 制搜索跳转；（4）限制采集的文件类型；（5）采集或不采集某些目录下的文件。除此外，还可过滤 旧的信息、限制采集文件的最大长度、限制站点采集的最大页数等等。 （4）答：目前，网络信息采集技术不断发展，取得了很大的进步。 资源定位检索技术：互联网是以 TCP/IP 和 HTTP 为核心而发展起来的。URL 俗称网址，是描述 网络信息资源的字符串——统一资源定位符。网络数据库、网上出版物、网络机构等有固定的 URL。 联机数据库检索中心，期刊、报纸等电子出版物，图书馆、高校、企业、政府等机构都有唯一明确 的网址。利用网络浏览器(如 IE)查找网址，可以快捷、方便地获得针对性极强的“对口”网络信息。 “超链接”搜索技术：Web 信息以超文本链接方式组织，同一主题或相关的信息因超级链接构 成了庞大的无形的跳跃式的信息网。人们可以根据它顺藤摸瓜，在网上自由地浏览信息，边浏览点 击边分析筛选，一步一步根据链接跳转查阅，直至获得令人满意的结果。 网络搜索引擎技术：搜索引擎技术集中体现在四个方面：访问、阅读、整理 Web 信息的信息采 集，建立包含关键信息的索引数据库，根据用户请求查找索引数据库相关文档的搜索软件，以及为 用户提供可视化的查询输入和结果输出界面的用户接口。目前，实现网络信息检索的搜索引擎技术 可以分为两类，即网站分类目录技术和全文索引检索技术。 web 挖掘技术：是从 www 及其相关的资源和行为中抽取有用的模式和隐含信息，利用 web 技术 中的文本总结技术，可以从文档中抽取出关键信息，以简洁的形式对 web 文档的信息进行摘要或表 示，使用户大致了解 web 文档的内容，对其相关性进行取舍。 除以上技术外，知识发现技术、通用信息检索技术、自然语言处理技术等也有了很大的发展。 （5）答：随着计算机及通讯技术的发展，网络信息采集技术也在不断发展。网络信息采集技术 的发展趋势主要表现在以下几方面： 检索工具的多语种化：多语种检索即提供多语种的检索环境供检索者选择，系统按指定的语种 进行检索并输出检索结果。许多搜索引擎都在构造跨语言搜索引擎。 检索工具的综合化和专业化：综合性的检索工具要求面向一切学科，跨越所有领域，提供全面 的信息。另一方面，由于有些用户对所需信息的深度、内容的精确性和相关性要求较高，为了提高 检索质量，专业网络检索工具必须面向特定的专业领域，满足专业用户的信息需求。 检索寻址的内容化：基于内容的检索是指根据媒体对象的语义、特征进行检索，利用多媒体信 息分析处理程序，对其内容进行全面准确的标引，建立“内容—对象”关系型索引多媒体数据库。 检索时计算机程序自动获取用户查询内容，然后与多媒体索引库匹配并提供内容完全一致的检索结
果。 检索工具的智能化：就是果用人工智能进行信息检需的技术。它可以模拟人脑的思雄方式，分 析用户以自然语言表达的检索请求，自动形成检索策略进行智能、快速、高效的信息检需。智陵检 索技术主要体现在语义理解、知识管理和知识检索三个方面
3 果。 检索工具的智能化：就是采用人工智能进行信息检索的技术。它可以模拟人脑的思维方式，分 析用户以自然语言表达的检索请求，自动形成检索策略进行智能、快速、高效的信息检索。智能检 索技术主要体现在语义理解、知识管理和知识检索三个方面