| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-14页 |
| 1.1 课题研究背景及现状 | 第10-11页 |
| 1.2 主要研究内容 | 第11-12页 |
| 1.3 论文组织结构 | 第12-14页 |
| 2 相关理论及技术介绍 | 第14-26页 |
| 2.1 全文检索概述 | 第14-20页 |
| 2.1.1 工作原理 | 第15-17页 |
| 2.1.2 关键技术分析 | 第17-20页 |
| 2.2 全文检索工具 | 第20-25页 |
| 2.2.1 文本提取工具Tika | 第20-21页 |
| 2.2.2 图片文字识别Tesseract-OCR | 第21-22页 |
| 2.2.3 中文分词工具IKAnalyzer | 第22-23页 |
| 2.2.4 全文检索引擎Lucene | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 系统的设计与实现 | 第26-68页 |
| 3.1 基于敏感关键词识别 | 第26-38页 |
| 3.1.1 功能设计 | 第26-28页 |
| 3.1.2 Tika数据提取方法 | 第28-30页 |
| 3.1.3 图片文字提取 | 第30-32页 |
| 3.1.4 创建索引 | 第32-35页 |
| 3.1.5 搜索索引 | 第35-37页 |
| 3.1.6 显示问题 | 第37-38页 |
| 3.2 基于自定义敏感词词典识别 | 第38-44页 |
| 3.2.1 功能设计 | 第38-39页 |
| 3.2.2 识别功能具体实现 | 第39-43页 |
| 3.2.3 敏感词词典操作 | 第43-44页 |
| 3.3 快速识别敏感文件 | 第44-52页 |
| 3.3.1 功能设计 | 第44-45页 |
| 3.3.2 同义词词林 | 第45-47页 |
| 3.3.3 同义词词林处理 | 第47-48页 |
| 3.3.4 同义词扩展方法 | 第48-49页 |
| 3.3.5 识别算法 | 第49-52页 |
| 3.4 Word文件水印识别 | 第52-63页 |
| 3.4.1 文本数字水印 | 第52-55页 |
| 3.4.2 功能设计 | 第55-56页 |
| 3.4.3 水印嵌入系统 | 第56-59页 |
| 3.4.4 水印识别算法 | 第59-63页 |
| 3.5 PDF文件摘要识别 | 第63-66页 |
| 3.5.1 功能设计 | 第63页 |
| 3.5.2 PDF文件摘要系统实现 | 第63-65页 |
| 3.5.3 摘要识别算法 | 第65-66页 |
| 3.6 本章小结 | 第66-68页 |
| 4 实验及效果分析 | 第68-86页 |
| 4.1 开发环境 | 第68页 |
| 4.2 功能测试 | 第68-78页 |
| 4.2.1 基于敏感关键词识别 | 第68-72页 |
| 4.2.2 基于敏感词词典识别及快速识别 | 第72-74页 |
| 4.2.3 Word文件水印识别 | 第74-77页 |
| 4.2.4 PDF文件摘要识别 | 第77-78页 |
| 4.3 性能测试 | 第78-84页 |
| 4.3.1 时间及空间性能测试 | 第78-81页 |
| 4.3.2 识别率测试 | 第81-84页 |
| 4.4 本章小结 | 第84-86页 |
| 5 总结与展望 | 第86-88页 |
| 5.1 论文总结 | 第86页 |
| 5.2 不足与展望 | 第86-88页 |
| 参考文献 | 第88-90页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第90-94页 |
| 学位论文数据集 | 第94页 |