面向垂直搜索的主题爬虫爬行策略的研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状及发展趋势 | 第11-14页 |
| 1.2.1 垂直搜索引擎爬虫技术 | 第11-12页 |
| 1.2.2 文本分类算法 | 第12-13页 |
| 1.2.3 垂直搜索引擎的发展 | 第13-14页 |
| 1.3 课题主要研究内容 | 第14页 |
| 1.4 论文的整体结构 | 第14-16页 |
| 第二章 通用垂直搜索引擎技术框架 | 第16-22页 |
| 2.1 搜索引擎技术概述 | 第16-20页 |
| 2.1.1 爬虫爬取系统 | 第17-18页 |
| 2.1.2 网页去噪 | 第18-19页 |
| 2.1.3 网页检索 | 第19-20页 |
| 2.2 垂直搜索引擎特点 | 第20-21页 |
| 2.2.1 普通爬取策略 | 第20-21页 |
| 2.2.2 网页重访 | 第21页 |
| 2.2.3 网页分类 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 对垂直搜索引擎的爬取策略和页面分类的研究 | 第22-32页 |
| 3.1 网页爬取策略 | 第22-27页 |
| 3.1.1 基于URL结构树的爬取策略 | 第22-24页 |
| 3.1.2 索引网页 | 第24-25页 |
| 3.1.3 索引网页识别 | 第25-26页 |
| 3.1.4 带索引网页的URL树 | 第26-27页 |
| 3.1.5 重访规则 | 第27页 |
| 3.2 网页分类与信息获取 | 第27-28页 |
| 3.2.1 反馈机制的应用 | 第27-28页 |
| 3.2.2 跨领域网页 | 第28页 |
| 3.3 躲避反爬虫防护 | 第28-29页 |
| 3.4 本章小结 | 第29-32页 |
| 第四章 垂直搜索引擎设计与实现 | 第32-46页 |
| 4.1 系统总体架构 | 第32-34页 |
| 4.2 系统功能模块设计 | 第34-38页 |
| 4.2.1 爬虫抓取模块的设计 | 第34-36页 |
| 4.2.2 网页解析模块的设计 | 第36-38页 |
| 4.3 垂直搜索引擎的实现 | 第38-45页 |
| 4.3.1 实现环境和工具 | 第38页 |
| 4.3.2 网页去噪与索引网页 | 第38-41页 |
| 4.3.3 网页分类与信息获取 | 第41-43页 |
| 4.3.4 躲避反爬虫策略 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 本文工作总结 | 第46页 |
| 5.2 未来工作展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |
