| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 网络信息采集研究现状 | 第9-10页 |
| 1.3 课题研究内容 | 第10-12页 |
| 1.3.1 Web 网页信息采集研究 | 第11-12页 |
| 1.3.2 双语网站信息采集研究 | 第12页 |
| 1.4 内容组织结构 | 第12-14页 |
| 第2章 网络信息采集的相关技术 | 第14-27页 |
| 2.1 分布式集群 HADOOP 相关知识 | 第14-18页 |
| 2.1.1 HDFS 简介 | 第15-16页 |
| 2.1.2 MapReduce 计算模型简介 | 第16-18页 |
| 2.2 URLS 调度策略 | 第18-20页 |
| 2.3 URLS 去重方案 | 第20-21页 |
| 2.4 网页更新概率计算 | 第21-24页 |
| 2.5 网页更新识别方式 | 第24页 |
| 2.6 DNS 分布式缓存 | 第24-25页 |
| 2.7 其他相关问题 | 第25-26页 |
| 2.8 本章小结 | 第26-27页 |
| 第3章 网络信息采集系统 | 第27-54页 |
| 3.1 网络信息采集系统的 MAPREDUCE 处理流程 | 第27-28页 |
| 3.2 WEB 网页信息采集系统的设计与实现 | 第28-38页 |
| 3.2.1 系统设计目标 | 第28页 |
| 3.2.2 系统总体结构 | 第28-30页 |
| 3.2.3 格式化功能模块设计与实现 | 第30-32页 |
| 3.2.4 下载功能模块设计与实现 | 第32-35页 |
| 3.2.5 URLs 去重功能模块设计与实现 | 第35-37页 |
| 3.2.6 网页去重功能模块设计与实现 | 第37-38页 |
| 3.3 面向双语网站的网页信息采集系统的设计与实现 | 第38-53页 |
| 3.3.1 系统设计目标 | 第38-39页 |
| 3.3.2 系统总体结构 | 第39-41页 |
| 3.3.3 格式化功能模块设计与实现 | 第41-44页 |
| 3.3.4 双语站内下载模块设计与实现 | 第44-46页 |
| 3.3.5 URLs 去重功能模块设计与实现 | 第46-49页 |
| 3.3.6 网页更新下载功能模块设计与实现 | 第49-51页 |
| 3.3.7 网页去重功能模块设计与实现 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 网络信息采集系统评测 | 第54-59页 |
| 4.1 系统评测 | 第54-58页 |
| 4.1.1 网络信息采集系统运行环境 | 第54页 |
| 4.1.2 Web 网页信息采集系统评测 | 第54-56页 |
| 4.1.3 双语网站信息更新采集系统评测 | 第56-58页 |
| 4.2 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |