面向web文本挖掘的主题搜索技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题背景 | 第8-9页 |
| ·研究现状 | 第9页 |
| ·课题的研究内容 | 第9-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第二章 Web数据挖掘技术 | 第12-24页 |
| ·数据挖掘综述 | 第12-14页 |
| ·定义 | 第12-13页 |
| ·特征 | 第13页 |
| ·方法 | 第13-14页 |
| ·处理过程 | 第14页 |
| ·Web数据挖掘 | 第14-20页 |
| ·介绍 | 第14-15页 |
| ·优点 | 第15-17页 |
| ·类别 | 第17-19页 |
| ·基本步骤 | 第19-20页 |
| ·几种Web数据挖掘方式的对比 | 第20页 |
| ·Web文本挖掘 | 第20-22页 |
| ·小结 | 第22-24页 |
| 第三章 搜索引擎技术 | 第24-32页 |
| ·搜索引擎概况 | 第24-25页 |
| ·概念 | 第24页 |
| ·搜索引擎的分类 | 第24-25页 |
| ·搜索引擎的关键技术 | 第25-27页 |
| ·信息的收集和存储技术 | 第25页 |
| ·信息的预处理技术 | 第25-26页 |
| ·信息索引技术 | 第26页 |
| ·搜索引擎的性能指标 | 第26-27页 |
| ·搜索引擎的基本模块构成 | 第27-28页 |
| ·网络爬虫技术 | 第28-31页 |
| ·概括 | 第28页 |
| ·性能 | 第28-29页 |
| ·基本原理 | 第29-30页 |
| ·实现方式 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第四章 系统中的理论和算法 | 第32-48页 |
| ·页面主题相似度算法 | 第32-33页 |
| ·TF-IDF权值 | 第32-33页 |
| ·相似度计算 | 第33页 |
| ·链接获取策略 | 第33-40页 |
| ·HTML结构树 | 第34页 |
| ·关联上下文 | 第34-36页 |
| ·建立样本库 | 第36页 |
| ·性能评价 | 第36-40页 |
| ·面向主题爬行的非贪婪遗传算法 | 第40-43页 |
| ·遗传算法 | 第40-41页 |
| ·链接选择的非贪婪策略 | 第41页 |
| ·基于非贪婪遗传算法的主题网络爬虫搜索算法 | 第41-42页 |
| ·性能评价 | 第42-43页 |
| ·中文分词技术 | 第43-45页 |
| ·机械分词方法 | 第43-44页 |
| ·基于理解的分词方法 | 第44页 |
| ·统计分词方法 | 第44-45页 |
| ·基于支持向量机的文本分类方法 | 第45-47页 |
| ·支持向量机与核函数 | 第45-46页 |
| ·基于SVM的Web文本分类算法 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 系统的设计与实现 | 第48-70页 |
| ·面向Web文本挖掘的主题搜索系统 | 第48-49页 |
| ·系统设计的目标 | 第48-49页 |
| ·Label Studio3 的模块图 | 第49页 |
| ·多线程网络爬虫 | 第49-55页 |
| ·网络爬虫的框架 | 第49-50页 |
| ·Web页面的下载 | 第50-51页 |
| ·网页解析 | 第51-52页 |
| ·数据存储 | 第52-53页 |
| ·协调控制 | 第53-54页 |
| ·运行实现 | 第54-55页 |
| ·文本内容挖掘 | 第55-60页 |
| ·文本内容挖掘的框架 | 第55-56页 |
| ·语言分词 | 第56-57页 |
| ·特征抽取 | 第57-58页 |
| ·内容分类 | 第58-59页 |
| ·运行实现 | 第59-60页 |
| ·索引和检索 | 第60-69页 |
| ·索引检索模块的框架 | 第60-61页 |
| ·倒排序索引原理 | 第61-62页 |
| ·建立索引 | 第62-65页 |
| ·检索功能 | 第65-67页 |
| ·运行实现 | 第67-69页 |
| ·小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·研究工作的总结 | 第70页 |
| ·趋势与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 在读期间发表的学术论文 | 第75-76页 |
