精品文档---下载后可任意编辑一、实验目的讨论并学习几种常见的搜索引擎算法，包括网络蜘蛛爬行策略、中文分词算法、网页正文提取算法、网页去重算法、PageRank 和 MapReduce 算法，了解它们的基本实现原理；运用所学 SEO 技术对网页进行优化。二、实验内容1. 讨论常用的网络蜘蛛爬行策略，如深度优先策略、广度优先策略、网页选择策略、重访策略和并行策略等，了解其实现原理；2. 讨论至少两种中文分词算法，了解其实现原理；3. 讨论至少两种网页正文提取算法，了解其实现原理；4. 讨论至少两种网页去重算法，了解其实现原理；5. 讨论 Google 的 PageRank 和 MapReduce 算法，了解它们的实现原理；6. 使用所学的 SEO 技术，对实验二所设计的网站静态首页实施 SEO，在实施过程中需采纳如下技术：(1) 网页标题(title)的优化；(2)选取合适的关键词并对关键词进行优化；(3)元标签的优化；(4) 网站结构和 URL 的优化；(5)创建 robots.txt 文件，禁止蜘蛛抓取网站后台页面；(6)网页内部链接的优化；(7)Heading 标签的优化；(8)图片优化；(9) 网页减肥技术。7. 使用 C++、C#和 Java 等任意一种编程语言，设计并实现一个简单的网络蜘蛛爬行程序，要求在输入关键词、设置爬行深度和初始网页 URL 之后能够实现网页搜索，输出包含关键词的网页的 URL 和网页标题。【注：实验 7 为补充实验，不要求每个同学都完成，感兴趣者可自行实现该程序，不计入实验报告评分。】三、实验要求1. 讨论几种常用的网络蜘蛛爬行策略，填写相应的表格，表格必须填写完整；2. 讨论两种中文分词算法，填写相应的表格，表格必须填写完整；3. 讨论两种网页正文提取算法，填写相应的表格，表格必须填写完整；4. 讨论两种网页去重算法，填写相应的表格，表格必须填写完整；5. 讨论 PageRank 算法和 MapReduce 算法，填写相应的表格，表格必须填写完整；6. 提供实施 SEO 之后的网站静态首页界面和 HTML 代码，尽量多地使用所学 SEO 技术；7. 严禁大面积拷贝互联网上已有文字资料，尽量用自己的理解来阐述算法原理，必要时可以通过图形来描述算法；8. 使用任意一种编程语言实现一个简单的网络蜘蛛程序，需提供网络蜘蛛程序完整源代码及实际运行结果。四、实验步骤1. 通过使用搜索引擎并查阅相关资料，讨论并整理几种常用的网络蜘蛛爬行策略相关资料，填写相应的表格；2. 通过使用搜索引擎并查阅相关资料，讨论并整理两种中文...
