面向房产信息本体的主题爬虫算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 主题爬虫国内外研究现状 | 第12-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关理论及研究现状 | 第17-26页 |
| 2.1 主题爬虫相关理论 | 第17-20页 |
| 2.1.1 主题爬虫原理 | 第17页 |
| 2.1.2 主题爬虫结构 | 第17-18页 |
| 2.1.3 主题模型理论 | 第18-20页 |
| 2.2 本体相关理论 | 第20-22页 |
| 2.2.1 本体的概念 | 第21-22页 |
| 2.2.2 本体的构建 | 第22页 |
| 2.3 其它相关理论 | 第22-25页 |
| 2.3.1 BP神经网络 | 第22-24页 |
| 2.3.2 人工鱼群算法 | 第24-25页 |
| 2.4 本章小节 | 第25-26页 |
| 第三章 基于内容学习的本体自适应算法研究 | 第26-38页 |
| 3.1 网页内容信息提取 | 第26-29页 |
| 3.1.1 网页内容处理流程分析 | 第26-27页 |
| 3.1.2 基于剪枝技术的信息抽取算法 | 第27-29页 |
| 3.2 本体概念相似度计算模型 | 第29-31页 |
| 3.2.1 概念距离相似度 | 第29-30页 |
| 3.2.2 节点深度相似度 | 第30-31页 |
| 3.2.3 语义重合度 | 第31页 |
| 3.3 基于内容学习的本体自适应的算法 | 第31-37页 |
| 3.3.1 本体自适应模型设计 | 第31-33页 |
| 3.3.2 本体概念规范 | 第33-34页 |
| 3.3.3 本体自适应算法 | 第34-37页 |
| 3.4 本章小节 | 第37-38页 |
| 第四章 基于BFA的主题爬虫相关度算法研究 | 第38-48页 |
| 4.1 基于本体文本内容解析 | 第38-40页 |
| 4.1.1 词集概念化 | 第38-39页 |
| 4.1.2 文本内容向量化 | 第39-40页 |
| 4.2 基于权值因子的人工鱼群算法改进 | 第40-42页 |
| 4.3 基于BFA主题相关度算法研究 | 第42-46页 |
| 4.3.1 人工鱼编码设计 | 第42-43页 |
| 4.3.2 基于BFA算法优化流程 | 第43-46页 |
| 4.4 实验分析 | 第46-47页 |
| 4.4.1 实验相关设计 | 第46-47页 |
| 4.4.2 评价指标 | 第47页 |
| 4.4.3 实验结果分析 | 第47页 |
| 4.5 本章小节 | 第47-48页 |
| 第五章 面向房产信息本体的主题爬虫系统实现 | 第48-68页 |
| 5.1 主题爬虫系统结构设计 | 第48-49页 |
| 5.2 网页下载模块实现 | 第49-55页 |
| 5.2.1 网页下载模块结构设计 | 第49-50页 |
| 5.2.2 网页下载模块详细实现 | 第50-55页 |
| 5.3 本体自适应模块 | 第55-58页 |
| 5.3.1 房产信息本体构建 | 第55-56页 |
| 5.3.2 本体自适应模块设计 | 第56-58页 |
| 5.4 BFA主题计算模块 | 第58-62页 |
| 5.4.1 BFA算法训练集创建 | 第58-60页 |
| 5.4.2 BFA模型训练 | 第60-62页 |
| 5.5 系统功能分析 | 第62-64页 |
| 5.6 系统性能分析 | 第64-67页 |
| 5.6.1 对比组设计 | 第64-65页 |
| 5.6.2 评价指标 | 第65页 |
| 5.6.3 实验结果分析 | 第65-67页 |
| 5.7 本章小节 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 未来展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-76页 |
| 详细摘要 | 第76-78页 |
