Internet as become the way of life in the fast growing digital life.Even with the increase in the internet speed, higher latency time is still a challenge. To reduce latency, caching and pre fetching techniques can be used. However, caching fails for dynamic websites which keeps on changing rapidly. Another technique is web prefetching, which prefetches the web pages that the user is likely to request for in the future. Semantic web prefetching makes use of keywords and descriptive texts like anchor text, titles, text surrounding anchor text of the present web pages for predicting users future requests. Semantic information is embedded within the web pages during their designing for the purpose of reflecting the relationship between the web pages. The client can fetch this information from the server. However, this technique involves load on web designers for adding external tags and on server for providing this information along with the desired page, which is not desirable. This paper is an effort to find the semantic relation between web pages using the keywords provided by the user and the anchor texts of the hyperlinks on the present web page.It provides algorithms for sequential and similar semantic relations. These algorithms will be implemented on the client side which will not cause overhead on designers and load on server for semantic information.


翻译:互联网成为快速增长的数字生活中的生活方式。 即使随着互联网速度的提高, 更高的延迟时间仍是一个挑战。 为了减少延迟、 缓存和预抓技术, 也可以使用更高的延迟时间。 但是, 动态网站的缓存无法快速变化。 另一种技术是网络预伸缩, 预留用户将来可能要求的网页。 语义预伸缩使用关键词和描述文本, 如锁定文本、 标题、 当前网页的锁定文本, 以预测用户未来的请求 。 语义信息在设计网页时嵌入其中, 目的是反映网页之间的关系 。 客户可以从服务器上获取这些信息。 但是, 此项技术涉及网络设计者在添加外部标签时加载, 在服务器上加载这种信息, 以及用户今后可能要求的网页, 是不可取的 。 本文旨在查找当前网页中使用用户提供的关键词和链接的锁定文本之间的语义关系 。 语义信息在目前网页上提供逻辑性信息定位, 用户在服务器主控器上不会执行这些主控服务器的算法 。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
45+阅读 · 2019年12月20日
A Sketch-Based System for Semantic Parsing
Arxiv
4+阅读 · 2019年9月12日
Arxiv
5+阅读 · 2019年4月25日
Arxiv
3+阅读 · 2018年4月5日
Arxiv
6+阅读 · 2017年12月2日
VIP会员
相关VIP内容
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Top
微信扫码咨询专知VIP会员