面向用户体验需求的垂直搜索引擎的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 搜索引擎的出现 | 第11-12页 |
| 1.1.2 垂直搜索的出现 | 第12-13页 |
| 1.2 研究课题与意义 | 第13-15页 |
| 1.2.1 传统搜索引擎的不足 | 第13-14页 |
| 1.2.2 本文要实现的系统 | 第14-15页 |
| 1.2.3 研究意义 | 第15页 |
| 1.3 论文结构 | 第15-16页 |
| 第2章 设计目标 | 第16-18页 |
| 2.1 系统设计目标 | 第16页 |
| 2.2 需要的技术 | 第16-18页 |
| 第3章 爬行技术与信息提取 | 第18-25页 |
| 3.1 爬行技术简介 | 第18-19页 |
| 3.2 基于HTTP协议的爬行 | 第19-21页 |
| 3.2.1 http协议 | 第19-20页 |
| 3.2.2 WebClient | 第20-21页 |
| 3.3 网页信息结构 | 第21页 |
| 3.4 网页信息提取方法 | 第21-24页 |
| 3.4.1 基于DOM树的方法 | 第21-22页 |
| 3.4.2 基于正则表达式的方法 | 第22-24页 |
| 3.5 对象信息的提取 | 第24-25页 |
| 第4章 文本分类技术 | 第25-31页 |
| 4.1 文本信息模型 | 第25-26页 |
| 4.1.1 布尔模型 | 第25页 |
| 4.1.2 向量空间模型 | 第25-26页 |
| 4.2 中文分词 | 第26-27页 |
| 4.2.1 常用的分词方法 | 第26-27页 |
| 4.2.1.1 基于字符串匹配的分词方法 | 第26-27页 |
| 4.2.1.2 基于理解的分词方法 | 第27页 |
| 4.2.1.3 基于统计的分词方法 | 第27页 |
| 4.2.2 分词工具介绍 | 第27页 |
| 4.3 文本特征选择 | 第27-28页 |
| 4.3.1 文档频率 | 第28页 |
| 4.3.2 信息 | 第28页 |
| 4.3.3 卡方统计量 | 第28页 |
| 4.4 文本分类算法 | 第28-31页 |
| 4.4.1 Rocchio算法 | 第28-29页 |
| 4.4.2 朴素贝叶斯算法 | 第29页 |
| 4.4.3 K邻近算法 | 第29-30页 |
| 4.4.4 决策树算法 | 第30-31页 |
| 第5章 系统设计与实现 | 第31-48页 |
| 5.1 数据的获取 | 第31-33页 |
| 5.1.1 数据目录的获取 | 第31-32页 |
| 5.1.2 笔记本页面的获取 | 第32-33页 |
| 5.1.3 笔记本图片的获取 | 第33页 |
| 5.2 数据的清洗 | 第33-35页 |
| 5.3 数据预处理 | 第35-39页 |
| 5.3.1 对象属性的筛选 | 第35页 |
| 5.3.2 噪音数据的处理 | 第35-36页 |
| 5.3.3 数据格式的统一 | 第36-38页 |
| 5.3.4 缺失数据的处理 | 第38-39页 |
| 5.4 参数与体验效果的关系 | 第39-40页 |
| 5.5 通用参数的处理 | 第40-41页 |
| 5.6 参数的排序关系 | 第41-42页 |
| 5.7 文本分类模型 | 第42-43页 |
| 5.7.1 分类的准备 | 第43页 |
| 5.7.2 分类过程 | 第43页 |
| 5.8 根据分类做排序 | 第43-44页 |
| 5.9 系统的整体架构 | 第44-48页 |
| 5.9.1 服务端处理流程 | 第46页 |
| 5.9.2 UI处理流程 | 第46页 |
| 5.9.3 通讯类 | 第46-48页 |
| 第6章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 作者简介及在学期间所取得的科研成果 | 第51-52页 |
| 致谢 | 第52页 |
