基于Nutch的可信搜索引擎研究与实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与国内外现状 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 搜索引擎国内外现状 | 第10-12页 |
| 1.2 研究的主要内容 | 第12-14页 |
| 1.2.1 可信数据采集子系统设计 | 第12-13页 |
| 1.2.2 可信检索子系统设计 | 第13页 |
| 1.2.3 可信搜索引擎的实现 | 第13-14页 |
| 1.2.4 可信搜索引擎的实验结果分析 | 第14页 |
| 1.3 论文结构 | 第14-17页 |
| 2 搜索引擎理论与相关技术 | 第17-29页 |
| 2.1 搜索引擎基本构成 | 第17-20页 |
| 2.1.1 网络爬虫 | 第17-19页 |
| 2.1.1.1 网络爬虫功能分类 | 第17-18页 |
| 2.1.1.2 网络爬虫抓取策略 | 第18-19页 |
| 2.1.2 分析器 | 第19页 |
| 2.1.3 索引器 | 第19页 |
| 2.1.4 检索器 | 第19-20页 |
| 2.1.5 用户接口 | 第20页 |
| 2.2 搜索引擎的分类 | 第20-21页 |
| 2.2.1 目录式搜索引擎 | 第20-21页 |
| 2.2.2 全文搜索引擎 | 第21页 |
| 2.2.3 元搜索引擎 | 第21页 |
| 2.3 主流的排序算法 | 第21-25页 |
| 2.3.1 PageRank算法 | 第22-24页 |
| 2.3.2 HITS算法 | 第24-25页 |
| 2.4 Nutch介绍 | 第25-27页 |
| 2.4.1 Nutch简介 | 第26页 |
| 2.4.2 Nutch工作原理 | 第26页 |
| 2.4.3 Nutch的未来 | 第26-27页 |
| 2.5 本章小节 | 第27-29页 |
| 3 可信数据采集子系统的分析与设计 | 第29-43页 |
| 3.1 数据采集子系统原理分析 | 第29-33页 |
| 3.1.1 数据采集 | 第29-32页 |
| 3.1.1.1 Inject(注入器) | 第30-31页 |
| 3.1.1.2 Generate（生成器） | 第31页 |
| 3.1.1.3 Fetch(采集器) | 第31页 |
| 3.1.1.4 Parser(解析器) | 第31页 |
| 3.1.1.5 Update(更新器) | 第31-32页 |
| 3.1.2 数据索引 | 第32-33页 |
| 3.2 可信数据采集子系统设计 | 第33-41页 |
| 3.2.1 Nutch数据采集算法分析 | 第33-36页 |
| 3.2.1.1 OPIC算法原理 | 第33-35页 |
| 3.2.1.2 OPIC算法优缺点 | 第35-36页 |
| 3.2.1.3 OPIC算法的改进方案 | 第36页 |
| 3.2.2 数据采集子系统算法改进 | 第36-40页 |
| 3.2.2.1 时间属性 | 第36-37页 |
| 3.2.2.2 网页深度属性 | 第37-38页 |
| 3.2.2.3 点击率属性 | 第38-39页 |
| 3.2.2.4 TS算法 | 第39-40页 |
| 3.2.3 可信数据采集子系统程序设计 | 第40-41页 |
| 3.3 本章小节 | 第41-43页 |
| 4 可信检索子系统分析与设计 | 第43-51页 |
| 4.1 检索子系统原理分析 | 第43-46页 |
| 4.1.1 检索子系统基本流程 | 第43-44页 |
| 4.1.2 检索子系统向量空间模型 | 第44-46页 |
| 4.2 Lucene检索算法 | 第46-47页 |
| 4.2.1 Lucene相关性因素 | 第46页 |
| 4.2.2 Lucene排序计算 | 第46-47页 |
| 4.3 可信搜索引擎检索算法改进 | 第47-50页 |
| 4.3.1 可信搜索检索子系统设计方案 | 第47-48页 |
| 4.3.2 可信搜索检索子系统算法 | 第48-49页 |
| 4.3.3 可信检索子系统程序设计 | 第49-50页 |
| 4.4 本章小节 | 第50-51页 |
| 5 可信搜索引擎的实现 | 第51-59页 |
| 5.1 系统运行环境 | 第51页 |
| 5.1.1 硬件环境 | 第51页 |
| 5.1.2 软件环境 | 第51页 |
| 5.2 可信搜索引擎模型部署 | 第51-58页 |
| 5.2.1 Nutch版本选择 | 第51-52页 |
| 5.2.2 索引数据库实现 | 第52-53页 |
| 5.2.3 数据采集 | 第53-56页 |
| 5.2.4 检索实现 | 第56-57页 |
| 5.2.5 用户界面设计 | 第57-58页 |
| 5.3 本章小节 | 第58-59页 |
| 6 可信搜索引擎的实验结果分析 | 第59-65页 |
| 6.1 实验准备 | 第59-60页 |
| 6.1.1 实验方案 | 第59页 |
| 6.1.2 搜索测试 | 第59-60页 |
| 6.2 实验结果分析 | 第60-63页 |
| 6.2.1 OS和TS总体数据分布 | 第60-61页 |
| 6.2.2 时间属性随排序值的分布 | 第61-62页 |
| 6.2.3 网页深度随排序值的分布 | 第62-63页 |
| 6.2.4 平均点击率随排序值的分布 | 第63页 |
| 6.2.5 实验分析结论 | 第63页 |
| 6.3 本章小结 | 第63-65页 |
| 7 总结与展望 | 第65-67页 |
| 7.1 本文工作总结 | 第65-66页 |
| 7.2 下一步工作展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |
