| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 研究内容 | 第15-17页 |
| 1.3 论文贡献 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第2章 基于主题的增量网页并行爬取问题的相关研究 | 第20-27页 |
| 2.1 引言 | 第20页 |
| 2.2 爬虫种类 | 第20-21页 |
| 2.3 增量爬取 | 第21-24页 |
| 2.3.1 Surface Web增量爬取 | 第22-23页 |
| 2.3.2 Deep Web增量爬取 | 第23-24页 |
| 2.4 并行爬取 | 第24-25页 |
| 2.5 小结 | 第25-27页 |
| 第3章 基于增量采新率模型的Deep Web增量获取方法 | 第27-37页 |
| 3.1 引言 | 第27-28页 |
| 3.2 Web数据库版本 | 第28页 |
| 3.3 集合覆盖模型 | 第28-29页 |
| 3.4 基于IHM的Deep Web增量获取方法 | 第29-33页 |
| 3.4.1 IHM概况 | 第30-31页 |
| 3.4.2 IHM的构建 | 第31-32页 |
| 3.4.3 特征的选择 | 第32-33页 |
| 3.4.4 IHM的学习 | 第33页 |
| 3.5 实验 | 第33-36页 |
| 3.5.1 评价标准 | 第33页 |
| 3.5.2 数据集 | 第33-34页 |
| 3.5.3 实验结果及其分析 | 第34-36页 |
| 3.6 小结 | 第36-37页 |
| 第4章 基于更新频率判断模型的Surface Web增量获取方法 | 第37-44页 |
| 4.1 引言 | 第37-38页 |
| 4.2 基于CFG的更新频率判断模型 | 第38-40页 |
| 4.2.1 相关定义 | 第38页 |
| 4.2.2 基于CFG的更新频率判断模型 | 第38页 |
| 4.2.3 基于CFG的更新频率判断算法 | 第38-40页 |
| 4.2.3.1 变化模式预测 | 第39-40页 |
| 4.2.3.2 中心页面选择 | 第40页 |
| 4.3 基于更新频率判断模型的增量爬取过程 | 第40-41页 |
| 4.4 实验 | 第41-43页 |
| 4.4.1 评价标准 | 第41-42页 |
| 4.4.2 数据集 | 第42页 |
| 4.4.3 实验结果及其分析 | 第42-43页 |
| 4.5 小结 | 第43-44页 |
| 第5章 基于主题的增量网页并行爬取方法 | 第44-57页 |
| 5.1 引言 | 第44-45页 |
| 5.2 基于主题的增量网页并行爬取系统架构 | 第45-46页 |
| 5.3 URL调度分配模型 | 第46-51页 |
| 5.3.1 Crawler评估因素的选择及量化 | 第47-49页 |
| 5.3.2 各评估因素权重的计算 | 第49-51页 |
| 5.3.2.1 建立层次结构图 | 第49-50页 |
| 5.3.2.2 建立各级判定矩阵 | 第50页 |
| 5.3.2.3 综合重要度的计算 | 第50-51页 |
| 5.3.3 对Crawler进行排序 | 第51页 |
| 5.4 URL分配算法 | 第51-52页 |
| 5.5 二级控制器 | 第52-53页 |
| 5.6 URL排序模型 | 第53页 |
| 5.7 实验 | 第53-56页 |
| 5.7.1 评价标准 | 第53-54页 |
| 5.7.2 数据集 | 第54页 |
| 5.7.3 实验结果及其分析 | 第54-56页 |
| 5.8 小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-60页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66-67页 |
| 攻读学位期间参与科研项目情况 | 第67-68页 |
| 学位论文评阅及答辩情况表 | 第68页 |