爬虫算法在互联网舆情系统的研究与应用
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究目的及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.2.1 互联网舆情系统国内外研究现状 | 第14页 |
| 1.2.2 网络爬虫国内外研究现状 | 第14-15页 |
| 1.3 主要研究内容及难点 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 爬虫算法技术 | 第17-31页 |
| 2.1 网络爬虫算法概述 | 第17-21页 |
| 2.1.1 通用爬虫算法概述 | 第17-19页 |
| 2.1.2 主题爬虫算法概述 | 第19-21页 |
| 2.2 常用爬虫算法 | 第21-22页 |
| 2.3 爬虫相关技术 | 第22-29页 |
| 2.3.1 一般爬虫搜索策略 | 第22-23页 |
| 2.3.2 最佳优先搜索策略 | 第23-25页 |
| 2.3.3 网页评价技术 | 第25-27页 |
| 2.3.4 其他相关技术 | 第27-29页 |
| 2.4 开发相关技术 | 第29-30页 |
| 2.4.1 JAVA技术概述 | 第29页 |
| 2.4.2 XML技术概述 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 主题爬虫算法设计 | 第31-38页 |
| 3.1 主题爬虫算法需求分析 | 第31页 |
| 3.2 主题爬虫体系结构设计 | 第31-36页 |
| 3.2.1 主题爬虫模块化设计 | 第32-33页 |
| 3.2.2 爬虫控制模块 | 第33-35页 |
| 3.2.3 工作流程中各模块交互过程 | 第35-36页 |
| 3.3 主题爬虫拒绝协议研究 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 互联网舆情系统设计 | 第38-48页 |
| 4.1 网络舆情的概述与特点 | 第38-39页 |
| 4.2 需求分析 | 第39-41页 |
| 4.3 系统框架功能设计 | 第41-43页 |
| 4.4 互联网舆情系统关键技术 | 第43-46页 |
| 4.4.1 网页分析技术 | 第43-44页 |
| 4.4.2 中文分词技术 | 第44-45页 |
| 4.4.3 文本分类技术 | 第45-46页 |
| 4.5 系统主要难点 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 爬虫算法在互联网舆情系统中的实现 | 第48-63页 |
| 5.1 主题爬虫对网页的抓取策略 | 第48-49页 |
| 5.2 主题爬虫对网页的分析策略 | 第49-50页 |
| 5.2.1 对URL的分析 | 第49页 |
| 5.2.2 对网页内容的分析 | 第49-50页 |
| 5.3 主题爬虫的爬行策略 | 第50-54页 |
| 5.3.1 基本主题词库构建 | 第50页 |
| 5.3.2 特征向量TD-IDF加权算法 | 第50-51页 |
| 5.3.3 网页内容与主题相关度 | 第51-52页 |
| 5.3.4 主题词库的动态扩充 | 第52-53页 |
| 5.3.5 爬行策略 | 第53-54页 |
| 5.4 主题爬虫的去重策略 | 第54-56页 |
| 5.4.1 Web页面重复特点 | 第54-55页 |
| 5.4.2 网页内容特征提取 | 第55页 |
| 5.4.3 I-Match去重算法 | 第55-56页 |
| 5.5 主题爬虫的任务调度策略 | 第56-62页 |
| 5.5.1 主题爬虫的多任务调度 | 第57-58页 |
| 5.5.2 运用改进Hash算法进行任务调度 | 第58-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 互联网舆情系统功能测试 | 第63-67页 |
| 6.1 舆情系统测试环境 | 第63页 |
| 6.2 舆情系统测试及结果 | 第63-66页 |
| 6.3 本章小结 | 第66-67页 |
| 第七章 结论 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70-71页 |
| 致谢 | 第71页 |
