基于Nutch的学术搜索引擎的研究与实现
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文研究内容及组织结构 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第2章 相关理论及技术 | 第19-35页 |
| 2.1 搜索引擎整体架构 | 第19-20页 |
| 2.2 网络爬虫 | 第20-21页 |
| 2.3 中文分词 | 第21-22页 |
| 2.4 网页抽取技术 | 第22-23页 |
| 2.5 排序算法 | 第23-26页 |
| 2.5.1 网页链接URL | 第24页 |
| 2.5.2 PageRank算法 | 第24-25页 |
| 2.5.3 OPIC算法 | 第25-26页 |
| 2.6 Nutch | 第26-33页 |
| 2.6.1 Nutch中的Hadoop | 第26-28页 |
| 2.6.2 Lucene索引 | 第28-30页 |
| 2.6.3 Nutch的工作流程 | 第30-31页 |
| 2.6.4 Nutch的应用 | 第31-33页 |
| 2.7 本章小结 | 第33-35页 |
| 第3章 学术搜索引擎总体设计 | 第35-41页 |
| 3.1 需求分析 | 第35-37页 |
| 3.1.1 需求描述 | 第35页 |
| 3.1.2 功能需求 | 第35-37页 |
| 3.1.3 非功能需求 | 第37页 |
| 3.2 总体设计 | 第37-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 主题爬取和解析模块的研究与实现 | 第41-53页 |
| 4.1 总体流程 | 第41-43页 |
| 4.2 网页主题相关性过滤 | 第43-46页 |
| 4.2.1 主题相关性过滤原理 | 第43-44页 |
| 4.2.2 主题相关性过滤的实现 | 第44-46页 |
| 4.3 通用网页解析器 | 第46-51页 |
| 4.3.1 通用网页解析器的设计原理 | 第46-47页 |
| 4.3.2 通用网页解析器的实现 | 第47-49页 |
| 4.3.3 通用网页解析器的定制解析 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 索引与检索模块的研究与实现 | 第53-63页 |
| 5.1 基于时间域的索引模块的构建 | 第53-56页 |
| 5.1.1 索引模块的构建原理 | 第53页 |
| 5.1.2 索引模块的实现 | 第53-55页 |
| 5.1.3 索引模块对比 | 第55-56页 |
| 5.2 检索模块 | 第56-59页 |
| 5.2.1 基于时间域排序功能的实现 | 第56-57页 |
| 5.2.2 LinkRank排序算法的引入 | 第57-59页 |
| 5.3 中文分词 | 第59-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第6章 学术搜索引擎的部署与展示 | 第63-77页 |
| 6.1 用户定制模块 | 第63-65页 |
| 6.2 增量爬取 | 第65-66页 |
| 6.2.1 增量爬取的设计原理 | 第65页 |
| 6.2.2 增量爬取的实现与意义 | 第65-66页 |
| 6.3 相关词推荐 | 第66-67页 |
| 6.4 运行环境与配置 | 第67-69页 |
| 6.4.1 系统开发环境 | 第67-68页 |
| 6.4.2 运行配置 | 第68-69页 |
| 6.5 检索结果对比与分析 | 第69-72页 |
| 6.5.1 与原始Nutch系统的对比与分析 | 第69-71页 |
| 6.5.2 两种排序方式的对比与分析 | 第71-72页 |
| 6.6 性能评估 | 第72-75页 |
| 6.6.1 爬取速度评测与对比 | 第72-73页 |
| 6.6.2 爬取速度改进 | 第73-75页 |
| 6.7 本章小结 | 第75-77页 |
| 第7章 总结与展望 | 第77-81页 |
| 7.1 本文工作总结 | 第77-79页 |
| 7.2 下一步工作展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 攻硕期间参与的项目及发表的论文 | 第87页 |
