基于模板的Web新闻搜索技术的研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-14页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究目的和意义 | 第11-12页 |
| 1.3 研究目标和内容 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 2 国内外研究现状及分析 | 第14-22页 |
| 2.1 Web 搜索技术 | 第14-15页 |
| 2.2 Web 新闻抽取技术 | 第15-18页 |
| 2.2.1 信息抽取 | 第15-16页 |
| 2.2.2 Web 信息的抽取 | 第16-18页 |
| 2.3 新闻搜索引擎 | 第18-22页 |
| 2.3.1 搜索引擎的概念 | 第18页 |
| 2.3.2 搜索引擎的分类 | 第18-20页 |
| 2.3.3 现有新闻搜索引擎 | 第20-22页 |
| 3 多爬虫的分布式架构研究 | 第22-33页 |
| 3.1 Web 新闻搜索总体方案 | 第22-23页 |
| 3.2 分布式架构设计 | 第23-25页 |
| 3.3 搜索任务的分发 | 第25-30页 |
| 3.3.1 搜索任务数据结构 | 第25-26页 |
| 3.3.2 任务分发算法 | 第26-30页 |
| 3.3.3 分发流程 | 第30页 |
| 3.4 爬虫设计 | 第30-33页 |
| 4 新闻内容抽取的研究 | 第33-41页 |
| 4.1 新闻内容抽取方法 | 第33页 |
| 4.2 标签模板的自动化构建 | 第33-37页 |
| 4.2.1 分块标签排他性 | 第34-35页 |
| 4.2.2 构建标签模板时机 | 第35页 |
| 4.2.3 构造算法 | 第35-37页 |
| 4.3 基于模板的新闻内容抽取 | 第37-38页 |
| 4.4 新闻内容抽取器设计 | 第38-41页 |
| 5 一个WEB 新闻搜索平台的开发 | 第41-52页 |
| 5.1 平台的需求分析 | 第41-45页 |
| 5.1.1 现状分析 | 第41页 |
| 5.1.2 平台的用例图 | 第41-43页 |
| 5.1.3 模板系统管理 | 第43页 |
| 5.1.4 Web 新闻搜索 | 第43-44页 |
| 5.1.5 新闻后期处理 | 第44页 |
| 5.1.6 非功能性需求 | 第44-45页 |
| 5.2 平台的设计 | 第45-52页 |
| 5.2.1 平台总体结构 | 第45-46页 |
| 5.2.2 平台开发技术 | 第46页 |
| 5.2.3 静态逻辑视图 | 第46-49页 |
| 5.2.4 动态逻辑视图 | 第49-52页 |
| 6 实验和试用 | 第52-60页 |
| 6.1 新闻正文内容抽取实验 | 第52-55页 |
| 6.1.1 标签模板自动构建准确度 | 第52-54页 |
| 6.1.2 新闻内容抽取准确度 | 第54-55页 |
| 6.2 分布式多爬虫实验 | 第55-57页 |
| 6.3 平台的应用试点 | 第57-60页 |
| 7 总结与展望 | 第60-62页 |
| 7.1 本文工作小结 | 第60页 |
| 7.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66-68页 |
