网络信息采集技术及中文未登录词算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景及意义 | 第9-10页 |
| ·研究主要工作 | 第10-11页 |
| ·课题主要研究成果 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 研究现状综述 | 第13-17页 |
| ·Web采集研究现状综述 | 第13-15页 |
| ·网络爬虫研究现状综述 | 第13-14页 |
| ·信息抽取研究现状综述 | 第14-15页 |
| ·未登录词识别研究现状综述 | 第15-17页 |
| 第三章 网络爬虫技术设计及实现 | 第17-41页 |
| ·设计目标 | 第17页 |
| ·专有名词介绍 | 第17-18页 |
| ·网络论坛爬虫 | 第18-30页 |
| ·设计要求 | 第18-19页 |
| ·爬虫结构设计 | 第19-20页 |
| ·爬虫核心流程详细设计 | 第20-21页 |
| ·爬虫任务队列详细设计 | 第21-23页 |
| ·爬虫抓取模块详细设计 | 第23-25页 |
| ·爬虫解析模块详细设计 | 第25-30页 |
| ·门户及博客爬虫 | 第30-34页 |
| ·设计要求 | 第30-31页 |
| ·爬虫核心流程详细设计 | 第31-32页 |
| ·爬虫解析模块详细设计 | 第32-34页 |
| ·微博爬虫 | 第34-35页 |
| ·局域网全网爬虫 | 第35-41页 |
| ·爬虫流程设计 | 第35-36页 |
| ·爬虫详细设计 | 第36-37页 |
| ·网页判断器 | 第37-39页 |
| ·网页包装器及URL查找器 | 第39页 |
| ·URL判断器 | 第39-40页 |
| ·爬虫去重器 | 第40-41页 |
| 第四章 基于极大团的未登录词识别研究 | 第41-53页 |
| ·未登录词定义 | 第41页 |
| ·N-grams模型 | 第41-42页 |
| ·生成噪音词典 | 第42页 |
| ·词激活力相关概念 | 第42-43页 |
| ·基于词激活力的倾向性算法实现 | 第43页 |
| ·生成基于距的词共现矩阵 | 第43-44页 |
| ·基于距离字词相关性矩阵 | 第44-46页 |
| ·基于关联规则生成连通图 | 第46-48页 |
| ·基于极大团发现准未登录词 | 第48-50页 |
| ·准未登录词跟踪 | 第50-53页 |
| 第五章:实验分析 | 第53-57页 |
| ·Web采集实验分析 | 第53-55页 |
| ·微博爬虫 | 第54页 |
| ·局域网全网爬虫 | 第54-55页 |
| ·未登录词识别实验分析 | 第55-57页 |
| 第六章:总结展望 | 第57-59页 |
| ·论文工作总结 | 第57页 |
| ·未来工作展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表或已录用的学术论文 | 第62页 |
