分布式垂直搜索抓取平台的研究与设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 选题背景 | 第12-13页 |
| 1.2 研究意义 | 第13页 |
| 1.3 国内外研究和应用现状 | 第13-16页 |
| 1.3.1 国外现状 | 第13-15页 |
| 1.3.2 国内现状 | 第15-16页 |
| 1.4 本文主要工作 | 第16页 |
| 1.5 论文结构 | 第16-17页 |
| 第2章 垂直抓取的基本概念与关键技术 | 第17-25页 |
| 2.1 基本概念 | 第17-18页 |
| 2.2 垂直抓取的对象 | 第18-19页 |
| 2.2.1 列表页 | 第18-19页 |
| 2.2.2 详情页 | 第19页 |
| 2.3 数据模型 | 第19-21页 |
| 2.4 数据实例的HTML标记编码 | 第21-22页 |
| 2.5 基于地标的WEB信息抽取方式 | 第22-24页 |
| 2.6 小结 | 第24-25页 |
| 第3章 平台系统需求及关键问题分析 | 第25-33页 |
| 3.1 垂直抓取平台体系 | 第25-26页 |
| 3.1.1 抓取的对象 | 第25页 |
| 3.1.2 抓取信息所采用的方式 | 第25-26页 |
| 3.1.3 抓取信息所采用的抓取流程设计 | 第26页 |
| 3.2 系统功能性需求分析 | 第26-32页 |
| 3.2.1 运营操作功能需求分析 | 第26-28页 |
| 3.2.2 信息抓取功能需求分析 | 第28-30页 |
| 3.2.3 抓取效率性能需求分析 | 第30-32页 |
| 3.3 抓取平台系统的难点 | 第32页 |
| 3.4 小结 | 第32-33页 |
| 第4章 分布式垂直搜索抓取平台系统的设计 | 第33-48页 |
| 4.1 系统设计的目标和原则 | 第33-34页 |
| 4.2 系统的总体设计及流程图 | 第34-35页 |
| 4.3 系统开发环境介绍 | 第35-36页 |
| 4.3.1 系统的硬件环境资源 | 第35-36页 |
| 4.3.2 系统的软件环境资源 | 第36页 |
| 4.4 操作页面设计 | 第36-41页 |
| 4.4.1 权限及报警管理界面 | 第37-38页 |
| 4.4.2 抓取规则的配置界面 | 第38-39页 |
| 4.4.3 抓取任务的调度界面 | 第39-41页 |
| 4.4.4 抓取任务运行状况界面 | 第41页 |
| 4.5 分布式抓取的核心模块设计 | 第41-46页 |
| 4.5.1 分布式任务调度模块 | 第41-43页 |
| 4.5.2 抓取频度控制模块 | 第43-44页 |
| 4.5.3 页面下载模块 | 第44-45页 |
| 4.5.4 页面信息抽取模块 | 第45-46页 |
| 4.5.5 后续入库模块 | 第46页 |
| 4.6 抓取异常通知 | 第46-47页 |
| 4.7 小结 | 第47-48页 |
| 第5章 自动纠错机制 | 第48-58页 |
| 5.1 网页信息去噪 | 第49-52页 |
| 5.2 信息属性识别 | 第52-54页 |
| 5.3 抓取规则生成 | 第54-57页 |
| 5.4 小结 | 第57-58页 |
| 第6章 抓取平台系统的实现和测试 | 第58-66页 |
| 6.1 抓取平台的关键模块实现 | 第58-60页 |
| 6.2 抓取平台的功能测试 | 第60-61页 |
| 6.3 抓取平台的性能测试 | 第61-64页 |
| 6.4 抓取实测效果分析 | 第64-65页 |
| 6.4.1 系统非功能性测试 | 第65页 |
| 6.5 小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
