房地产交易信息搜索和匹配技术的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题研究背景 | 第10-11页 |
| ·国内房地产信息化基本现状 | 第11-12页 |
| ·房产信息搜索系统的意义 | 第12页 |
| ·本文的研究意义及主要工作 | 第12-14页 |
| 第二章 主题爬虫技术理论 | 第14-20页 |
| ·网络爬虫模型概述 | 第14-15页 |
| ·网络爬虫基本原理 | 第14页 |
| ·网络爬虫体系结构 | 第14-15页 |
| ·爬行方法与策略选择 | 第15页 |
| ·主题爬虫技术 | 第15-17页 |
| ·主题爬虫基本原理 | 第15-16页 |
| ·主题爬虫体系结构 | 第16页 |
| ·主题爬虫的工作流程 | 第16-17页 |
| ·主题爬虫搜索策略 | 第17-19页 |
| ·基于内容评价的搜索策略 | 第18页 |
| ·基于链接的搜索策略 | 第18-19页 |
| ·基于分类的搜索策略 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于 URL 内容学习的主题匹配技术 | 第20-29页 |
| ·主题相关度判定方法 | 第20-21页 |
| ·布尔模型 | 第20页 |
| ·向量空间模型 | 第20-21页 |
| ·网页主题相关度计算 | 第21-23页 |
| ·主题向量空间设计 | 第21-22页 |
| ·主题相关度计算模型 | 第22页 |
| ·主题相关度计算 | 第22-23页 |
| ·基于 URL 内容学习的主题匹配技术设计 | 第23-26页 |
| ·机器学习概述 | 第23页 |
| ·基于 URL 内容学习结构设计 | 第23-24页 |
| ·基于 URL 内容学习流程 | 第24-26页 |
| ·URL 知识库维护 | 第26页 |
| ·基于 URL 内容学习的主题匹配技术实验分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于遗传蚁群算法的信息搜索技术设计 | 第29-39页 |
| ·蚁群算法概述 | 第29-31页 |
| ·蚁群算法的生物学启示 | 第29页 |
| ·蚁群算法的基本原理 | 第29-31页 |
| ·蚁群算法的特点 | 第31页 |
| ·遗传算法概述 | 第31-35页 |
| ·遗传算法 | 第31-32页 |
| ·遗传算法的基本原理 | 第32-34页 |
| ·遗传算法的特点 | 第34-35页 |
| ·基于 GA-ACA 的信息搜索技术的设计 | 第35-37页 |
| ·基于遗传蚁群算法的主题爬虫设计思想 | 第35页 |
| ·适应度函数 | 第35页 |
| ·基于 GA-ACA 的主题爬虫搜索流程 | 第35-37页 |
| ·基于 GA-ACA 搜索策略的实验分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 面向房地产交易信息的主题爬虫系统实现 | 第39-50页 |
| ·面向房地产交易信息的主题爬虫设计方案 | 第39-40页 |
| ·面向房地产交易信息的主题爬虫设计思路 | 第39页 |
| ·主题爬虫功能分析 | 第39-40页 |
| ·面向房地产交易信息的主题爬虫总体设计 | 第40-41页 |
| ·主题爬虫总体结构 | 第40页 |
| ·主题爬虫总体框架 | 第40-41页 |
| ·面向房地产交易信息的主题爬虫系统实现 | 第41-47页 |
| ·爬虫初始化模块实现 | 第41-42页 |
| ·网页下载分析模块实现 | 第42-43页 |
| ·主题相关度计算模块 | 第43-44页 |
| ·爬虫控制模块实现 | 第44页 |
| ·主题爬虫系统应用案例 | 第44-47页 |
| ·实验结果及性能测试 | 第47-49页 |
| ·实验环境 | 第47-48页 |
| ·性能测试 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文工作总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录（一） | 第57页 |
