本科生毕业论文题目：(中文)
大规模网页模块识别与信息提取系统设计与实现
(英文 )
Design and Implementation of Large Scale Web Template Detection and Information Extraction System
姓名：学号：院系：专业：指导教师：
摘要本文提出了一套基于语义的网页分块和主题内容信息提取算法，在天网搜索
引擎预处理模块中将其实现，并且在
SEWM 2008
会议中，以这套算法为框架， 组织了主题型网页识别和网页主题内容信息块提取两个中文
Web信息检索评测 项目。在这套算法的基础上，基于天网文件系统与
Map-Reduce
计算平台，实现 了分布式的网页块级别
QuarkRank
算法，改进了
PageRank
算法的效果。实际检
验表明，该套算法具有很好的适应性与可扩展性，并达到了很高的精度和召回率。
关键词：
网页分块 信息提取 评测
Map-Reduce PageRank
Abstract
This paper presents a semantic web-page blocking and i ...