基于机器学习的网站分级研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 研究工作的背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要贡献与创新 | 第13页 |
| 1.4 本论文的结构安排 | 第13-14页 |
| 第二章 系统需求分析与总体架构设计 | 第14-17页 |
| 2.1 系统需求分析 | 第14页 |
| 2.2 总体架构设计 | 第14-17页 |
| 2.2.1 硬件结构设计 | 第14-15页 |
| 2.2.2 软件结构设计 | 第15-17页 |
| 第三章 系统关键技术研究 | 第17-57页 |
| 3.1 爬虫技术 | 第17-18页 |
| 3.1.1 爬虫原理 | 第17页 |
| 3.1.2 爬虫效率 | 第17页 |
| 3.1.3 爬虫策略 | 第17-18页 |
| 3.1.4 本系统网络爬虫特点 | 第18页 |
| 3.2 相关技术基础 | 第18-25页 |
| 3.2.1 深度学习 | 第18-19页 |
| 3.2.2 卷积神经网络 | 第19-20页 |
| 3.2.3 梯度下降算法 | 第20-24页 |
| 3.2.4 分类模型与目标函数 | 第24-25页 |
| 3.3 文本分类技术 | 第25-32页 |
| 3.3.1 传统文本分类方法介绍 | 第25-26页 |
| 3.3.2 循环神经网络 | 第26-27页 |
| 3.3.3 长期短期网络 | 第27-28页 |
| 3.3.4 本文目标样本分析及新方法提出 | 第28-29页 |
| 3.3.5 实验 | 第29-32页 |
| 3.4 图像分类技术 | 第32-55页 |
| 3.4.1 传统图像分类方法介绍 | 第33页 |
| 3.4.2 相关模型研究 | 第33-39页 |
| 3.4.3 实验 | 第39-55页 |
| 3.5 系统中关键开源框架及软件包 | 第55-56页 |
| 3.5.1 Keras介绍 | 第55页 |
| 3.5.2 Redis介绍 | 第55页 |
| 3.5.3 Docker介绍 | 第55-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 系统关键模块设计与实现 | 第57-69页 |
| 4.1 系统整体结构 | 第57-58页 |
| 4.2 系统特性 | 第58-60页 |
| 4.2.1 易扩展性 | 第58页 |
| 4.2.2 高健壮性 | 第58-59页 |
| 4.2.3 易移植性 | 第59页 |
| 4.2.4 低带宽占用 | 第59页 |
| 4.2.5 合理分配资源 | 第59-60页 |
| 4.3 各模块详细功能和实现策略 | 第60-68页 |
| 4.3.1 网络爬虫模块 | 第60-64页 |
| 4.3.2 文本分类模块 | 第64-65页 |
| 4.3.3 图片分类模块 | 第65-66页 |
| 4.3.4 数据库模块 | 第66-68页 |
| 4.3.5 网页展示模块 | 第68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 系统测试 | 第69-78页 |
| 5.1 测试内容 | 第69页 |
| 5.2 功能测试 | 第69-77页 |
| 5.2.1 测试环境 | 第70页 |
| 5.2.2 两类网络爬虫协同工作测试 | 第70-71页 |
| 5.2.3 多节点爬虫协同工作测试 | 第71-72页 |
| 5.2.4 文本分类模块功能测试 | 第72-74页 |
| 5.2.5 图片分类模块功能测试 | 第74-75页 |
| 5.2.6 数据上传测试 | 第75-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 全文工作总结 | 第78-79页 |
| 6.2 后续工作展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-83页 |
