| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 引言 | 第7-11页 |
| ·研究背景与意义 | 第7页 |
| ·搜索引擎的发展状况 | 第7-9页 |
| ·搜索引擎评价 | 第9页 |
| ·本文组织结构 | 第9-11页 |
| 第二章 搜索引擎概述及核心技术 | 第11-25页 |
| ·搜索引擎的分类 | 第11-12页 |
| ·搜索引擎的原理 | 第12-14页 |
| ·搜索引擎的主要模块 | 第14-16页 |
| ·信息采集 | 第16-20页 |
| ·网络信息爬取 | 第17页 |
| ·网络爬虫策略 | 第17-18页 |
| ·网络爬虫原理 | 第18-19页 |
| ·网络爬虫中重要组成部分 | 第19-20页 |
| ·文本处理 | 第20-21页 |
| ·中文分词技术 | 第21-24页 |
| ·基于字符串匹配的分词方法 | 第22-23页 |
| ·基于统计的分词方法 | 第23-24页 |
| ·索引技术 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 主题搜索引擎研究与分析 | 第25-30页 |
| ·主题搜索引擎与通用搜索引擎的比较 | 第25-26页 |
| ·网页信息的结构化提取 | 第26-27页 |
| ·主题搜索引擎的体系结构 | 第27-29页 |
| ·主题信息的抓取 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 主题爬虫搜索策略研究 | 第30-42页 |
| ·面向主题的爬虫信息提取 | 第30-34页 |
| ·主题爬虫信息提取的优点 | 第30页 |
| ·主题相关性算法研究 | 第30-31页 |
| ·PageRank算法 | 第31-32页 |
| ·HITS算法 | 第32-33页 |
| ·PageRank算法和HITS算法的区别 | 第33-34页 |
| ·抽象的相关排序模型 | 第34-36页 |
| ·一个具体的相关排序模型 | 第35页 |
| ·向量空间模型 | 第35-36页 |
| ·主题相关判断算法 | 第36-37页 |
| ·抓取主题相关URL的改进算法 | 第37-39页 |
| ·URL增量算法 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 主题搜索引擎的实现 | 第42-57页 |
| ·环境的搭建过程 | 第42-43页 |
| ·Nutch部署 | 第42页 |
| ·Nutch前端部署 | 第42-43页 |
| ·相关改进算法的实现 | 第43-44页 |
| ·nutch添加中文庖丁解牛分词插件 | 第44-53页 |
| ·在analysis-zh文件夹中建立plugin.xml和build.xml | 第44-46页 |
| ·在扩展点实现插件 | 第46-47页 |
| ·在lib-paoding-analyzers文件夹中建立plugin.xml和build.xml | 第47-48页 |
| ·修改nutch配置文件 | 第48-52页 |
| ·生成paoding-analysis.jar包 | 第52-53页 |
| ·重新编译ant | 第53页 |
| ·用Nutch抓取网页 | 第53-55页 |
| ·系统测试及结果分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |