一种改进Best-First算法的主题爬虫搜索算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题背景及研究意义 | 第8-10页 |
| 1.2 研究现状及难点问题 | 第10-14页 |
| 1.2.1 国内外研究现状 | 第10-13页 |
| 1.2.2 研究的难点问题 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文的组织和安排 | 第15-16页 |
| 2 相关理论与技术 | 第16-26页 |
| 2.1 网络爬虫基本原理 | 第16-19页 |
| 2.1.1 网络爬虫框架 | 第16-17页 |
| 2.1.2 爬虫搜索策略 | 第17-19页 |
| 2.2 主题爬虫工作流程 | 第19-20页 |
| 2.3 主题描述 | 第20-21页 |
| 2.3.1 关键词法 | 第20页 |
| 2.3.2 Ontology法 | 第20-21页 |
| 2.3.3 层次目录树法 | 第21页 |
| 2.4 网页预处理 | 第21-25页 |
| 2.4.1 HTML标签 | 第21-22页 |
| 2.4.2 网页标题和正文内容的提取 | 第22-23页 |
| 2.4.3 锚文本的提取 | 第23-25页 |
| 2.4.4 中文分词 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于页面内容评价的Best-First算法 | 第26-38页 |
| 3.1 概述 | 第26页 |
| 3.2 Best-First算法 | 第26-32页 |
| 3.2.1 基本思想 | 第26页 |
| 3.2.2 向量空间模型 | 第26-29页 |
| 3.2.3 权重计算方法 | 第29-32页 |
| 3.3 改进Best-First算法 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 实验及结果分析 | 第38-44页 |
| 4.1 评价标准 | 第38-39页 |
| 4.2 实验分析 | 第39-43页 |
| 4.2.1 实验环境简介 | 第39页 |
| 4.2.2 实验参数分析 | 第39-40页 |
| 4.2.3 实验结果分析 | 第40-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 总结和展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50页 |
