| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究目标和主要研究内容 | 第8-9页 |
| 1.3 论文结构 | 第9-10页 |
| 第二章 文献综述 | 第10-18页 |
| 2.1 Web 服务概述 | 第10-13页 |
| 2.1.1 Web 服务 | 第10-12页 |
| 2.1.2 Web 服务核心技术 | 第12页 |
| 2.1.3 Web 服务研究现状 | 第12-13页 |
| 2.2 网络爬虫研究现状 | 第13-14页 |
| 2.3 信息抽取相关技术 | 第14-16页 |
| 2.4 网页去噪技术 | 第16-17页 |
| 2.4.1 基于网页结构的去噪技术 | 第16页 |
| 2.4.2 基于模板的网页去噪技术 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 Web 服务信息抓取与整合方案的设计 | 第18-31页 |
| 3.1 方案需求分析 | 第18-20页 |
| 3.2 方案的整体架构与各个模块的设计 | 第20-24页 |
| 3.2.1 种子收集部分的设计 | 第20-22页 |
| 3.2.2 过滤冗余信息部分的设计 | 第22-23页 |
| 3.2.3 服务信息整合与扩充部分的设计 | 第23页 |
| 3.2.4 功能组件之间的数据流动 | 第23-24页 |
| 3.3 基于开源爬虫框架的改进设计 | 第24-30页 |
| 3.3.1 对于 Frontier 组件的改进 | 第25-27页 |
| 3.3.2 对于 Processing chains 组件的改进 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 Web 服务信息抓取与整合方案的相关技术实现 | 第31-41页 |
| 4.1 面向 Web 服务的主题爬虫搜索策略 | 第31-33页 |
| 4.2 URL 的调度策略 | 第33-34页 |
| 4.3 种子收集模块的实现 | 第34-36页 |
| 4.4 爬取过程中信息的去“噪” | 第36-39页 |
| 4.5 异构信息的整合 | 第39-40页 |
| 4.6 Web 服务信息的扩充 | 第40-41页 |
| 第五章 Web 服务信息抓取与整合方案的效果分析 | 第41-43页 |
| 5.1 实验分析 | 第41页 |
| 5.1.1 数据来源 | 第41页 |
| 5.2 实验结果与分析 | 第41-42页 |
| 5.3 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-44页 |
| 6.1 论文总结 | 第43页 |
| 6.2 工作展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 发表论文和参加科研情况说明 | 第47-48页 |
| 致谢 | 第48页 |