| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究的背景与意义 | 第8页 |
| 1.2 通用搜索引擎 | 第8-9页 |
| 1.2.1 搜索引擎的工作原理 | 第8-9页 |
| 1.2.2 搜索引擎的发展 | 第9页 |
| 1.3 垂直搜索引擎 | 第9-11页 |
| 1.3.1 垂直搜索引擎概述 | 第9-10页 |
| 1.3.2 垂直搜索引擎发展现状 | 第10-11页 |
| 1.4 主要工作内容及安排 | 第11页 |
| 本章小结 | 第11-12页 |
| 第二章 搜索引擎相关技术介绍 | 第12-18页 |
| 2.1 网络爬虫技术 | 第12-14页 |
| 2.1.1 网络爬虫概述 | 第12页 |
| 2.1.2 开源爬虫Heritrix介绍 | 第12-14页 |
| 2.1.3 开源爬虫Heritrix的优势 | 第14页 |
| 2.2 索引技术介绍 | 第14-15页 |
| 2.2.1 倒排索引技术 | 第14页 |
| 2.2.2 Lucene介绍 | 第14-15页 |
| 2.3 中文分词技术 | 第15页 |
| 2.4 网页排序技术介绍 | 第15-17页 |
| 2.4.1 PageRank算法 | 第16页 |
| 2.4.2 HITS算法 | 第16-17页 |
| 本章小结 | 第17-18页 |
| 第三章 新闻垂直搜索引擎的需求分析 | 第18-24页 |
| 3.1 可行性分析 | 第18页 |
| 3.2 需求背景 | 第18-19页 |
| 3.3 功能性需求分析 | 第19页 |
| 3.4 非功能性需求 | 第19-20页 |
| 3.5 系统的数据流图 | 第20-23页 |
| 本章小结 | 第23-24页 |
| 第四章 新闻垂直搜索引擎的设计与实现 | 第24-40页 |
| 4.1 系统概要设计 | 第24-26页 |
| 4.1.1 系统框架 | 第24-25页 |
| 4.1.2 系统结构和模块分析与设计 | 第25-26页 |
| 4.2 网页信息搜集模块的设计与实现 | 第26-28页 |
| 4.2.1 Heritrix爬虫队列控制模块的定制和扩展 | 第26-27页 |
| 4.2.2 Heritrix爬虫线程调度优化 | 第27-28页 |
| 4.3 预处理模块的设计与实现 | 第28-33页 |
| 4.3.1 使用正则表达式过滤网页 | 第29-31页 |
| 4.3.2 对新闻关键信息进行提取 | 第31-33页 |
| 4.4 数据库设计与实现 | 第33-34页 |
| 4.5 基于Lucene的索引模块的设计与实现 | 第34-37页 |
| 4.6 检索模块的设计与实现 | 第37-38页 |
| 本章小结 | 第38-40页 |
| 第五章 系统的运行与测试 | 第40-48页 |
| 5.1 系统运行及测试环境 | 第40页 |
| 5.2 系统使用的开发环境及开发工具 | 第40页 |
| 5.3 系统环境配置 | 第40-42页 |
| 5.3.1 Heritrix的配置 | 第40-41页 |
| 5.3.2 Heritrix扩展模块的配置 | 第41-42页 |
| 5.4 系统测试 | 第42-46页 |
| 5.4.1 测试方法 | 第42-43页 |
| 5.4.2 改进后的网络爬虫模块测试 | 第43-45页 |
| 5.4.3 新闻信息预处理模块测试 | 第45-46页 |
| 5.5 系统维护 | 第46-47页 |
| 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 学位论文的总结 | 第48页 |
| 6.2 学位论文中的不足及日后的改进 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |