1 / 7

АЛГОРИТМ КРАУЛИНГА S.C.E.N.T .

АЛГОРИТМ КРАУЛИНГА S.C.E.N.T. Докладчик – Сотник Сергей Леонидович serhiy@sotnyk.com Iveonik Systems, Днепродзержинск. Краулинг и краулеры. World Wide Web. Планировщик закачек. Многопоточный загрузчик. Хранилище (индекс). Очередь ссылок. Актуальность информации. Документы

wayde
Download Presentation

АЛГОРИТМ КРАУЛИНГА S.C.E.N.T .

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. АЛГОРИТМ КРАУЛИНГА S.C.E.N.T. Докладчик – Сотник Сергей Леонидович serhiy@sotnyk.com Iveonik Systems, Днепродзержинск

  2. Краулинг и краулеры World Wide Web Планировщик закачек Многопоточный загрузчик Хранилище (индекс) Очередь ссылок

  3. Актуальность информации Документы в локальном хранилище Документы на сайте Краулер Ценность документа в хранилище: Общая ценность индекса сайта j: Ограниченный ресурс - время: Задача оптимизации краулинга:

  4. «Запах» информации …

  5. S.C.E.N.T. – «запах» в псевдокоде void CrawlerIteration() { List<Page> pages = GetPagesFromDB().SortByScent(); for(int i=0; i<PagesForProcessing; ++i) { pages[i].Scent /= 2; pages[i].Scent += CalcInfo(CheckPage(pages[i])); } foreach(Page page in pages) { page.Scent += DeltaS; } } double CalcInfo(int differenceInBytes) { return Math.Log(page.Size + 1); } • Параметры настройки: • DeltaS • CalcInfo (характер оценивающей функции)

  6. Работа алгоритма на модели сайта Сайт – 10000 документов, Размер документов – 100 байт … 1 МБ Статических документов – 90% Количество добытой информации Краулер обходит по 500 документов за один цикл обработки сайта Номера посещений

  7. Спасибо за внимание!

More Related