| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1. 研究背景和意义 | 第9-10页 |
| 1.2. 相关的研究现状 | 第10-11页 |
| 1.3. 论文的主要工作 | 第11页 |
| 1.4. 论文的结构安排 | 第11-13页 |
| 第二章 搜索引擎内容抓取方法研究 | 第13-20页 |
| 2.1. 搜索引擎 API 的功能与使用方式 | 第13-15页 |
| 2.1.1. 搜索引擎 API 的介绍 | 第13页 |
| 2.1.2. Google 搜索 API 的功能与使用方式 | 第13-15页 |
| 2.1.3. 搜索引擎 API 的不足 | 第15页 |
| 2.2. 针对网页的内容抓取方法 | 第15-19页 |
| 2.2.1. 搜索结果网页页面结构 | 第15-17页 |
| 2.2.2. 网页结果的获取 | 第17-18页 |
| 2.2.3. 通过网页内容抓取条目的优劣分析 | 第18-19页 |
| 2.3. 本章小结 | 第19-20页 |
| 第三章 分词与热点新词挖掘算法研究 | 第20-27页 |
| 3.1. 分词算法 | 第20-23页 |
| 3.1.1. 分词算法解决的主要问题 | 第20-21页 |
| 3.1.2. 基于字典的分词算法 | 第21-22页 |
| 3.1.3. 无字典分词算法 | 第22-23页 |
| 3.2. 分词字典的扩充 | 第23-24页 |
| 3.3. 新词挖掘算法 | 第24-26页 |
| 3.4. 本章小结 | 第26-27页 |
| 第四章 文本向量化算法研究 | 第27-36页 |
| 4.1. 传统的文本向量化方法 | 第27-28页 |
| 4.2. PageRank 算法概述 | 第28-30页 |
| 4.3. 基于句中词语间关系的文本表示方法 | 第30-35页 |
| 4.3.1. 概念说明 | 第30-31页 |
| 4.3.2. 算法初始化（建立图模型） | 第31-32页 |
| 4.3.3. 算法迭代过程 | 第32页 |
| 4.3.4. 算法详细说明 | 第32-34页 |
| 4.3.5. 迭代可行性的证明 | 第34-35页 |
| 4.4. 本章小结 | 第35-36页 |
| 第五章 搜索结果的数据挖掘 | 第36-48页 |
| 5.1. 结果条目的重复删除 | 第36-38页 |
| 5.1.1. 针对 URL 的重复删除 | 第36-37页 |
| 5.1.2. 针对内容的重复删除 | 第37-38页 |
| 5.2. 搜索结果类别发现 | 第38-41页 |
| 5.2.1. 聚类算法 | 第38页 |
| 5.2.2. 搜索条目聚类特点 | 第38-39页 |
| 5.2.3. 聚类方法选择 | 第39-40页 |
| 5.2.4. 聚类结果的评价 | 第40-41页 |
| 5.3. 次要条目分类过程 | 第41-43页 |
| 5.4. 结果排序推荐算法 | 第43-47页 |
| 5.4.1. 搜索引擎权重计算 | 第43-47页 |
| 5.4.2. 结果条目排序方法 | 第47页 |
| 5.5. 本章小结 | 第47-48页 |
| 第六章 实验与测试 | 第48-61页 |
| 6.1. 测试集说明 | 第49页 |
| 6.2. 内容抓取测试 | 第49-50页 |
| 6.3. 文本向量化实验 | 第50-52页 |
| 6.4. 数据挖掘实验 | 第52-56页 |
| 6.5. 搜索引擎权重实验 | 第56-60页 |
| 6.6. 本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1. 本文工作总结 | 第61-62页 |
| 7.2. 研究展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间已发表或录用的论文 | 第67页 |
| 攻读硕士学位期间参加的课题与项目 | 第67-69页 |