| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 相关理论技术分析 | 第16-32页 |
| 2.1 搜索引擎原理 | 第16页 |
| 2.2 分布式计算技术 | 第16-18页 |
| 2.2.1 分布式计算平台 | 第16-17页 |
| 2.2.2 Hadoop中的Map/Reduce编程模型 | 第17-18页 |
| 2.2.3 HDFS分布式文件系统 | 第18页 |
| 2.3 网络爬虫 | 第18-20页 |
| 2.4 分词技术 | 第20-21页 |
| 2.5 索引技术 | 第21-26页 |
| 2.5.1 索引技术介绍 | 第21-22页 |
| 2.5.2 倒排索引 | 第22页 |
| 2.5.3 基于Lucene的全文检索 | 第22-26页 |
| 2.6 网页评分与排序机制 | 第26-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第3章 分布式搜索引擎技术方案分析 | 第32-40页 |
| 3.1 分布式搜索引擎技术方案 | 第32-37页 |
| 3.1.1 分布式元搜索引擎 | 第32-33页 |
| 3.1.2 散列式分布搜索引擎 | 第33-34页 |
| 3.1.3 基于P2P的分布搜索引擎 | 第34-36页 |
| 3.1.4 局部遍历型搜索引擎 | 第36-37页 |
| 3.2 基于Hadoop的分布式搜索引擎技术方案 | 第37-38页 |
| 3.3 技术方案对比分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于Hadoop的分布式搜索引擎设计 | 第40-68页 |
| 4.1 系统总体设计 | 第40页 |
| 4.2 爬行子模块设计 | 第40-44页 |
| 4.2.1 初始URL注入 | 第42-43页 |
| 4.2.2 注入生成待下载列表 | 第43页 |
| 4.2.3 网页内容下载 | 第43-44页 |
| 4.2.4 crawldb数据库更新 | 第44页 |
| 4.3 索引子模块设计 | 第44-51页 |
| 4.3.1 非结构化文档解析 | 第46-48页 |
| 4.3.2 Jcesg中文分词 | 第48-49页 |
| 4.3.3 基于用户访问反馈的PageRank算法 | 第49-50页 |
| 4.3.4 索引库构建 | 第50-51页 |
| 4.4 检索子模块设计 | 第51-57页 |
| 4.4.1 前台展示 | 第52-54页 |
| 4.4.2 后台查询处理 | 第54-57页 |
| 4.5 系统评测分析 | 第57-66页 |
| 4.5.1 分布式环境部署 | 第57-60页 |
| 4.5.2 系统测试 | 第60-66页 |
| 4.6 本章小结 | 第66-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |