科技人才信息分布式采集及处理关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 分布式主题爬虫研究现状 | 第12-13页 |
| 1.2.2 同名消歧研究现状 | 第13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 相关理论与技术基础 | 第16-28页 |
| 2.1 主题网络爬虫 | 第16-18页 |
| 2.1.1 主题网络爬虫基本原理 | 第16页 |
| 2.1.2 主题网络爬虫体系架构 | 第16-17页 |
| 2.1.3 分布式主题网络爬虫 | 第17-18页 |
| 2.2 Hadoop分布式平台 | 第18-22页 |
| 2.2.1 分布式文件系统HDFS | 第18-20页 |
| 2.2.2 MapReduce计算框架 | 第20-22页 |
| 2.3 同名消歧相关技术 | 第22-27页 |
| 2.3.1 文本表示模型 | 第22-25页 |
| 2.3.2 相似度计算 | 第25-26页 |
| 2.3.3 层次聚类理论 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 分布式采集平台设计和实现 | 第28-41页 |
| 3.1 分布式采集平台架构设计 | 第28-30页 |
| 3.1.1 物理架构设计 | 第28页 |
| 3.1.2 逻辑架构设计 | 第28-29页 |
| 3.1.3 工作流程设计 | 第29-30页 |
| 3.2 分布式采集平台功能模块设计 | 第30-33页 |
| 3.2.1 URL初始化模块 | 第31-32页 |
| 3.2.2 网页下载模块 | 第32页 |
| 3.2.3 网页解析模块 | 第32-33页 |
| 3.2.4 URL去重模块 | 第33页 |
| 3.2.5 数据存储模块 | 第33页 |
| 3.3 分布式采集平台的实现 | 第33-40页 |
| 3.3.1 URL初始化模块实现 | 第34-35页 |
| 3.3.2 网页下载模块实现 | 第35-37页 |
| 3.3.3 网页解析模块实现 | 第37-38页 |
| 3.3.4 URL去重模块实现 | 第38-39页 |
| 3.3.5 数据存储模块实现 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 数据预处理 | 第41-45页 |
| 4.1 数据规范化处理 | 第41-43页 |
| 4.2 非结构化数据提取 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 基于多策略组合模型的同名消歧方法 | 第45-57页 |
| 5.1 基于实体连接的消歧策略 | 第45-46页 |
| 5.2 基于成果时间窗的消歧策略 | 第46页 |
| 5.3 基于成果合著者的消歧策略 | 第46-47页 |
| 5.4 基于成果相似度的消歧策略 | 第47-49页 |
| 5.4.1 成果向量化表示 | 第47-49页 |
| 5.4.2 成果相似度计算 | 第49页 |
| 5.5 基于多策略组合模型的消歧方法 | 第49-50页 |
| 5.6 实验分析验证 | 第50-55页 |
| 5.6.1 实验1：验证基于词向量的文本表示 | 第50-53页 |
| 5.6.2 实验2：验证多策略组合模型 | 第53-55页 |
| 5.7 本章小结 | 第55-57页 |
| 第六章 科技人才信息采集及处理的应用 | 第57-61页 |
| 6.1 科技人才搜索与推荐平台 | 第57-58页 |
| 6.2 采集实现 | 第58-60页 |
| 6.3 本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 工作总结 | 第61-62页 |
| 7.2 未来展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
