| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关技术研究 | 第17-23页 |
| 2.1 分布式爬虫相关技术 | 第17-18页 |
| 2.1.1 Redis技术 | 第17页 |
| 2.1.2 Scrapy爬虫框架 | 第17-18页 |
| 2.1.3 Scrapy-redis分布式网络爬虫组件 | 第18页 |
| 2.2 信息抽取相关技术 | 第18-21页 |
| 2.2.1 WEB信息抽取介绍 | 第18-19页 |
| 2.2.2 WEB信息抽取分类 | 第19页 |
| 2.2.3 SimHash算法 | 第19-21页 |
| 2.3 MongoDB数据库 | 第21页 |
| 2.4 Synonyms自然语言处理工具 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 物流信息抽取模型的研究 | 第23-39页 |
| 3.1 需求与设计目标 | 第23-25页 |
| 3.1.1 需求 | 第23页 |
| 3.1.2 设计目标 | 第23-25页 |
| 3.2 Scrapy爬虫应用 | 第25-26页 |
| 3.3 基于标签路径的WEB网页正文提取 | 第26-30页 |
| 3.3.1 基本概念 | 第26-27页 |
| 3.3.2 标签路径比的计算及其优化 | 第27-30页 |
| 3.4 基于VSM算法的主题相关性判定 | 第30-35页 |
| 3.4.1 特征项提取 | 第30页 |
| 3.4.2 权重计算及其改进 | 第30-32页 |
| 3.4.3 相似度计算 | 第32-33页 |
| 3.4.4 实验分析 | 第33-35页 |
| 3.5 信息抽取规则的提取 | 第35-38页 |
| 3.5.1 标签路径类选择器的定义 | 第35-36页 |
| 3.5.2 标签路径类选择器的获取 | 第36-37页 |
| 3.5.3 标签路径类选择器的校验 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 分布式信息抽取系统的设计 | 第39-48页 |
| 4.1 分布式物流信息采集框架设计 | 第39-41页 |
| 4.1.1 分布式爬虫架构 | 第39-40页 |
| 4.1.2 基于Scrapy-redis的分布式爬虫设计 | 第40-41页 |
| 4.2 待爬队列管理模块 | 第41-44页 |
| 4.2.1 爬行策略管理模块 | 第41-43页 |
| 4.2.2 URL去重模块 | 第43-44页 |
| 4.3 物流信息的去重 | 第44-45页 |
| 4.4 数据存储管理模块 | 第45-46页 |
| 4.5 数据时效性问题 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 分布式信息抽取系统的实现与应用 | 第48-66页 |
| 5.1 系统整体架构 | 第48-49页 |
| 5.2 系统环境部署 | 第49页 |
| 5.3 核心模块的实现 | 第49-60页 |
| 5.3.1 爬行策略的实现 | 第49-51页 |
| 5.3.2 URL去重模块实现 | 第51-54页 |
| 5.3.3 结构化提取模块实现 | 第54-57页 |
| 5.3.4 物流信息去重 | 第57-58页 |
| 5.3.5 检索服务的实现 | 第58-60页 |
| 5.4 系统应用案例 | 第60-62页 |
| 5.4.1 案例描述 | 第60页 |
| 5.4.2 系统运行过程及界面 | 第60-62页 |
| 5.5 系统应用分析 | 第62-65页 |
| 5.5.1 分布式抽取模块测试与分析 | 第62-63页 |
| 5.5.2 待爬序列去重测试与分析 | 第63-64页 |
| 5.5.3 系统运行效率测试和分析 | 第64-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 系统不足与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的学术成果 | 第72页 |