| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 与本课题有关的国内外研究状况 | 第10-15页 |
| 1.2.1 搜索引擎研究现状 | 第10-12页 |
| 1.2.2 关键词抽取技术研究现状 | 第12-15页 |
| 1.3 本文的主要研究内容和章节安排 | 第15-17页 |
| 第2章 需求分析与课题相关技术 | 第17-29页 |
| 2.1 需求分析 | 第17-19页 |
| 2.1.1 功能需求 | 第17-19页 |
| 2.1.2 非功能需求 | 第19页 |
| 2.2 Django 开发框架 | 第19-21页 |
| 2.2.1 Django 开发框架简介 | 第19页 |
| 2.2.2 Django 架构总览 | 第19-21页 |
| 2.2.3 Django 架构的优缺点 | 第21页 |
| 2.3 Lucene 的相关技术介绍 | 第21-22页 |
| 2.3.1 Lucene 简介 | 第21页 |
| 2.3.2 Lucene 的体系结构 | 第21-22页 |
| 2.4 Url-pattern 技术 | 第22-25页 |
| 2.4.1 Url-pattern 背景简介 | 第22-23页 |
| 2.4.2 Url-pattern 模块结构 | 第23-25页 |
| 2.5 Reminer 技术 | 第25-28页 |
| 2.5.1 Reminer 简介 | 第25页 |
| 2.5.2 Reminer 的设计与实现 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于 Web 的 App 标签挖掘 | 第29-41页 |
| 3.1 APP 导航栏挖掘的设计与实现 | 第29-36页 |
| 3.1.1 寻找 App 垂直站点 | 第30-31页 |
| 3.1.2 抽取导航栏信息 | 第31-33页 |
| 3.1.3 计算 App 的概念 Tag | 第33-36页 |
| 3.2 App 属性标签挖掘的设计与实现 | 第36-40页 |
| 3.2.1 类别特征词计算 | 第36-38页 |
| 3.2.2 App Tag 赋权 | 第38-39页 |
| 3.2.3 筛选 App Tag | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 基于 Query 的 App 标签挖掘 | 第41-51页 |
| 4.1 App 相关 Query 的获取 | 第41-45页 |
| 4.2 基于 Query 端的 App 相关 Tag 挖掘 | 第45-48页 |
| 4.3 属性标签和语义标签合并 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 基于 Lucene 的 App 推荐系统 | 第51-65页 |
| 5.1 Django 框架结构 | 第51-52页 |
| 5.2 基于 Lucene 的 App 推荐系统设计与实现 | 第52-60页 |
| 5.2.1 系统框架设计 | 第52-55页 |
| 5.2.2 索引生成模块 | 第55-59页 |
| 5.2.3 全文检索模块 | 第59-60页 |
| 5.3 App 推荐系统展示 | 第60-62页 |
| 5.4 对推荐系统的性能测试 | 第62-64页 |
| 5.4.1 系统功能测试 | 第62-63页 |
| 5.4.2 系统性能测试 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |