面向主题的网络爬虫设计与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第1章 绪论 | 第14-21页 |
| ·课题研究背景 | 第14页 |
| ·国内外研究现状 | 第14-17页 |
| ·网页分类研究现状 | 第15-16页 |
| ·搜索策略研究现状 | 第16-17页 |
| ·WEKA 平台 | 第17-18页 |
| ·本文所做的工作 | 第18-21页 |
| 第2章 聚焦爬虫的架构及关键技术 | 第21-26页 |
| ·引言 | 第21-22页 |
| ·通用爬虫 | 第22-23页 |
| ·通用爬虫模型 | 第22-23页 |
| ·通用爬虫的不足 | 第23页 |
| ·聚焦爬虫原理及架构 | 第23-25页 |
| ·聚焦爬虫关键技术 | 第25页 |
| ·小结 | 第25-26页 |
| 第3章 常用网页分类算法 | 第26-33页 |
| ·引言 | 第26页 |
| ·文本分类算法 | 第26-29页 |
| ·Na?ve Bayes 算法 | 第26-27页 |
| ·TF-IDF 算法 | 第27-28页 |
| ·KNN 算法 | 第28页 |
| ·支持向量机 | 第28-29页 |
| ·网页分类模型 | 第29-32页 |
| ·利用网页信息的规则 | 第29-30页 |
| ·网页分类模型 | 第30页 |
| ·加权协调的网页分类 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第4章 基于增量学习的网页识别算法 | 第33-42页 |
| ·引言 | 第33页 |
| ·博客网页 | 第33-35页 |
| ·HTML 特征 | 第34页 |
| ·URL 特征 | 第34页 |
| ·文本特征 | 第34-35页 |
| ·视觉特征 | 第35页 |
| ·基于增量学习的主题网页识别算法 | 第35-37页 |
| ·增量学习 | 第35-36页 |
| ·主题网页识别算法 | 第36-37页 |
| ·性能分析 | 第37-41页 |
| ·软件平台 | 第37-38页 |
| ·评价指标 | 第38-39页 |
| ·实验结果 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第5章 基于多元信息加权协调的搜索策略 | 第42-52页 |
| ·引言 | 第42页 |
| ·相关工作 | 第42-45页 |
| ·OPIC 算法 | 第42-44页 |
| ·C4.5 决策树算法 | 第44-45页 |
| ·传统搜索策略 | 第45-46页 |
| ·重要度优先的搜索策略 | 第45-46页 |
| ·相关度优先的搜索策略 | 第46页 |
| ·基于多元信息加权协调的搜索策略 | 第46-49页 |
| ·实验及分析 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第6章 聚焦爬虫IL-CRAWLER 实现 | 第52-61页 |
| ·引言 | 第52页 |
| ·Cora | 第52页 |
| ·IBM Focused Crawler | 第52页 |
| ·IL-CRAWLER 开发环境及其架构 | 第52-54页 |
| ·IL-Crawler 开发环境 | 第52-53页 |
| ·IL-Crawler 架构 | 第53-54页 |
| ·IL-CRAWLER 建模 | 第54-58页 |
| ·采集训练数据集 | 第54-55页 |
| ·训练集建模 | 第55-58页 |
| ·IL-CRAWLER 采集实验 | 第58-60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间完成的论文和软件著作权 | 第68-69页 |
| 附录B 攻读学位期间参加的科研项目 | 第69页 |
