| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 本文主要研究工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第2章 主题网络爬虫基本原理与关键技术 | 第13-25页 |
| 2.1 主题网络爬虫 | 第13-16页 |
| 2.1.1 网络爬虫的相关概念 | 第13-14页 |
| 2.1.2 主题网络爬虫的基本原理 | 第14-15页 |
| 2.1.3 主题网络爬虫与通用网络爬虫的区别 | 第15-16页 |
| 2.2 网页解析 | 第16-19页 |
| 2.2.1 HTML概述 | 第16-17页 |
| 2.2.2 正文提取 | 第17-19页 |
| 2.2.3 链接提取 | 第19页 |
| 2.3 文本处理及相关度计算 | 第19-24页 |
| 2.3.1 中文分词、去停用词 | 第20-21页 |
| 2.3.2 文档表示模型 | 第21-23页 |
| 2.3.3 相关度计算 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 融合链接价值的搜索策略研究 | 第25-35页 |
| 3.1 主题爬虫搜索策略 | 第25-30页 |
| 3.1.1 基于内容启发的搜索策略 | 第25-27页 |
| 3.1.2 基于链接评价的搜索策略 | 第27-29页 |
| 3.1.3 链接结构特性 | 第29-30页 |
| 3.2 融合链接价值的搜索策略 | 第30-34页 |
| 3.2.1 融合方法分析 | 第30-31页 |
| 3.2.2 主题爬虫搜索方案 | 第31页 |
| 3.2.3 基于Best-First算法的搜索策略改进 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于链接路径的隧道穿越技术研究 | 第35-41页 |
| 4.1 隧道现象 | 第35-37页 |
| 4.1.1 隧道现象简介 | 第35页 |
| 4.1.2 灰色隧道 | 第35-36页 |
| 4.1.3 黑色隧道 | 第36-37页 |
| 4.2 隧道穿越技术 | 第37-40页 |
| 4.2.1 相关研究 | 第37-38页 |
| 4.2.2 链接路径反馈 | 第38-39页 |
| 4.2.3 基于距离度量公式的隧道穿越 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 系统实现与实验分析 | 第41-52页 |
| 5.1 主题网络爬虫体系结构 | 第41-44页 |
| 5.1.1 爬虫模块设计 | 第41-42页 |
| 5.1.2 工作流程 | 第42-44页 |
| 5.2 系统配置与实现 | 第44-47页 |
| 5.2.1 软硬件环境 | 第44页 |
| 5.2.2 参数设定 | 第44页 |
| 5.2.3 种子链接获取 | 第44-45页 |
| 5.2.4 系统实现 | 第45-47页 |
| 5.3 实验结果与分析 | 第47-51页 |
| 5.3.1 评价方法 | 第47-48页 |
| 5.3.2 实验结果与分析 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第57页 |