基于主题和类别的网络新闻采集系统设计与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 主题爬虫的国内外研究现状 | 第11-12页 |
| 1.2.2 分类器的国内外研究现状 | 第12-14页 |
| 1.3 主要研究工作和内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 第二章 相关理论和技术 | 第16-25页 |
| 2.1 Robots协议 | 第16-17页 |
| 2.2 通用网络爬虫的工作原理 | 第17-20页 |
| 2.2.1 网页源代码获取 | 第18-19页 |
| 2.2.2 网页解析 | 第19页 |
| 2.2.3 URL去重 | 第19-20页 |
| 2.3 支持向量机 | 第20-21页 |
| 2.4 主题爬虫搜索策略 | 第21-22页 |
| 2.5 Xpath技术 | 第22-23页 |
| 2.5.1 Xpath简介 | 第22页 |
| 2.5.2 Xpath的使用 | 第22-23页 |
| 2.6 Web信息抽取 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 系统设计 | 第25-41页 |
| 3.1 系统需求分析 | 第25-26页 |
| 3.2 系统总体设计 | 第26-28页 |
| 3.2.1 系统体系结构 | 第26-27页 |
| 3.2.2 系统工作流程 | 第27-28页 |
| 3.3 系统详细设计 | 第28-39页 |
| 3.3.1 知名新闻网站种子注入模块 | 第28-29页 |
| 3.3.2 网页源代码获取模块 | 第29-32页 |
| 3.3.3 网页解析模块 | 第32-33页 |
| 3.3.4 分类模块 | 第33-35页 |
| 3.3.5 主题过滤模块 | 第35-36页 |
| 3.3.6 网页信息抽取模块 | 第36-37页 |
| 3.3.7 URL去重模块 | 第37-38页 |
| 3.3.8 URL调度模块 | 第38-39页 |
| 3.4 系统数据库设计 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 系统实现 | 第41-49页 |
| 4.1 界面布局 | 第41-42页 |
| 4.1.1 用户登录界面 | 第41页 |
| 4.1.2 采集界面 | 第41-42页 |
| 4.2 模块及功能实现 | 第42-47页 |
| 4.2.1 切分词处理实现 | 第43-44页 |
| 4.2.2 基于主题的网络新闻采集实现 | 第44-45页 |
| 4.2.3 基于类别的网络新闻采集实现 | 第45-46页 |
| 4.2.4 网络新闻信息抽取模块实现 | 第46页 |
| 4.2.5 数据库连接与存储实现 | 第46-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 系统运行与测试 | 第49-54页 |
| 5.1 系统运行 | 第49页 |
| 5.1.1 系统开发环境 | 第49页 |
| 5.1.2 系统运行环境 | 第49页 |
| 5.2 系统测试 | 第49-53页 |
| 5.2.1 系统测试内容 | 第49-50页 |
| 5.2.2 系统功能测试 | 第50页 |
| 5.2.3 系统性能测试 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58页 |
