基于主题的网络蜘蛛的设计与实现
| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 引言 | 第8-10页 |
| 第1章 搜索引擎概述 | 第10-24页 |
| 1.1 搜索引擎简介 | 第10-19页 |
| 1.1.1 搜索引擎的诞生 | 第13页 |
| 1.1.2 搜索引擎的分类 | 第13-14页 |
| 1.1.3 搜索引擎的原理 | 第14-17页 |
| 1.1.4 搜索引擎发展趋势 | 第17-19页 |
| 1.2 主题型搜索引擎概述 | 第19-22页 |
| 1.2.1 产生背景 | 第19-21页 |
| 1.2.2 主题型搜索引擎 | 第21-22页 |
| 1.3 主题搜索的研究与发展现况 | 第22页 |
| 1.4 网络蜘蛛 | 第22-23页 |
| 1.5 本文的主要工作 | 第23-24页 |
| 第2章 主题蜘蛛技术概述 | 第24-32页 |
| 2.1 网络蜘蛛简介 | 第24-25页 |
| 2.2 网络蜘蛛关键技术 | 第25-26页 |
| 2.3 主题蜘蛛的搜索策略 | 第26-28页 |
| 2.3.1 基于内容评价的搜索策略 | 第26-27页 |
| 2.3.2 基于链接结构评价的搜索策略 | 第27-28页 |
| 2.4 主题相关度计算 | 第28-30页 |
| 2.4.1 HTML链接标签 | 第29页 |
| 2.4.2 本文的主题相关度计算方法 | 第29-30页 |
| 2.5 初始URL的选择 | 第30-31页 |
| 2.5.1 Web主题关联模型 | 第30-31页 |
| 2.5.2 初始URL的选择方法 | 第31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 页面正文提取与中文分词 | 第32-40页 |
| 3.1 页面正文提取技术 | 第32-37页 |
| 3.1.1 HTML简介 | 第32-33页 |
| 3.1.2 HTML文档标准化 | 第33-34页 |
| 3.1.3 构造标签树 | 第34页 |
| 3.1.4 HTML内容分块技术 | 第34-35页 |
| 3.1.5 正文块提取 | 第35-36页 |
| 3.1.6 正则表达式 | 第36-37页 |
| 3.2 中文分词简介 | 第37-39页 |
| 3.2.1 中文分词常用算法 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 基于主题的蜘蛛设计与实现 | 第40-60页 |
| 4.1 数据库主要表设计 | 第40-42页 |
| 4.1.1 Link表 | 第40-41页 |
| 4.1.2 Topic表 | 第41页 |
| 4.1.3 Document表 | 第41-42页 |
| 4.2 架构设计 | 第42-43页 |
| 4.3 作业管理器 | 第43-44页 |
| 4.4 线程管理器 | 第44-48页 |
| 4.4.1 多线程技术 | 第44-46页 |
| 4.4.2 线程管理器 | 第46-48页 |
| 4.5 Spider类的实现 | 第48-50页 |
| 4.6 重复检测技术实现 | 第50-51页 |
| 4.7 中文分词技术实现 | 第51-57页 |
| 4.7.1 词典结构设计 | 第52-53页 |
| 4.7.2 构建词典 | 第53-54页 |
| 4.7.3 切词实现 | 第54-57页 |
| 4.8 动态网页内容获得技术实现 | 第57-58页 |
| 4.9 实验效果 | 第58-59页 |
| 4.10 本章小结 | 第59-60页 |
| 第5章 主题蜘蛛性能分析 | 第60-62页 |
| 5.1 主题蜘蛛的性能分析 | 第60-61页 |
| 5.2 本章小结 | 第61-62页 |
| 第6章 主题词典 | 第62-65页 |
| 6.1 主题词典的建立 | 第62-63页 |
| 6.2 主题词典的维护 | 第63-64页 |
| 6.3 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
