面向實證方法的互聯(lián)網(wǎng)數(shù)據(jù)提取系統(tǒng)研究.pdf_第1頁
已閱讀1頁,還剩82頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在管理研究,特別是在實證研究過程中,研究目標相關數(shù)據(jù)的獲取是一個相當重要的環(huán)節(jié),它既為研究方向的確立提供基本的現(xiàn)實信息,供研究者進一步地對研究目標進行分析,同時又決定了研究所使用的方法和接下來的研究流程。因此,研究目標相關數(shù)據(jù)的獲取過程在管理研究中起著重要作用。
  目標數(shù)據(jù)的獲取一直是困擾研究人員的難題,在傳統(tǒng)的數(shù)據(jù)獲取過程中,數(shù)據(jù)的來源相當有限,并且獲取的方式具有局限性,對數(shù)據(jù)進行處理,將原始數(shù)據(jù)提取為可用于分析的數(shù)據(jù)也需要耗

2、費許多人力支出,使得人力成本較高。在當今的大數(shù)據(jù)時代背景下,互聯(lián)網(wǎng)給當今社會帶來了極大的便利,并產(chǎn)生了海量的數(shù)據(jù),這些數(shù)據(jù)給各類機構帶來價值的同時,也給管理研究人員提供了大量的研究對象,將互聯(lián)網(wǎng)數(shù)據(jù)作為管理研究的數(shù)據(jù)源是理想的選擇。
  在現(xiàn)階段下,對互聯(lián)網(wǎng)數(shù)據(jù)進行提取的方式主要有手工操作、使用網(wǎng)絡數(shù)據(jù)抓取軟件和編寫爬蟲軟件三種,這些方式各有優(yōu)缺點。如何高效、準確、靈活地獲取互聯(lián)網(wǎng)數(shù)據(jù)用作管理研究,是本文的主要研究目標。本文的主要

3、研究內容是為了達成這一目標而提出一個互聯(lián)網(wǎng)頁面數(shù)據(jù)提取框架,以滿足管理研究過程中對數(shù)據(jù)爬取的多樣性需求。
  本文對數(shù)據(jù)爬取的整個流程進行了深入地分析,對業(yè)務邏輯進行了詳細地探討,并查閱了現(xiàn)有的相關資料,以此為基礎得到了框架各個模塊的設計方案,框架在整體設計上可以劃分為五個具體的模塊。
  框架使用了插件化管理的方式以滿足多種形式不同的爬取任務靈活性的要求,并設計了相應的插件管理策略,在滿足了靈活性需求的同時,也簡化了任務的

4、管理流程。
  通過對數(shù)據(jù)獲取過程中所涉及的各個環(huán)節(jié)進行明確的邏輯劃分,框架設計了相應的流程模塊接口,并根據(jù)這些接口進一步地開發(fā)出了多種幫助研究人員進行各個爬取模塊設計的開發(fā)庫與工具。
  針對不同形式的網(wǎng)頁數(shù)據(jù),框架提供了多種數(shù)據(jù)爬取策略,研究人員可根據(jù)具體的數(shù)據(jù)爬取情景來選擇相應的數(shù)據(jù)爬取策略。
  由于研究人員在數(shù)據(jù)爬取過程中具有不同層次的幫助需要,框架為研究人員提供了多層面的服務,并設計了一個Web平臺用于簡化

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論