| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-22页 |
| ·通用搜索引擎简介 | 第9-15页 |
| ·通用搜索引擎的历史 | 第9-10页 |
| ·通用搜索引擎的分类 | 第10-14页 |
| ·通用搜索引擎的发展趋势 | 第14-15页 |
| ·主题搜索引擎简介 | 第15-18页 |
| ·主题搜索引擎的产生背景 | 第15-16页 |
| ·主题搜索引擎的特点及其发展现状 | 第16-18页 |
| ·网络爬虫 | 第18-20页 |
| ·网络爬虫的概念及运行机制 | 第18页 |
| ·网络爬虫的性能 | 第18-19页 |
| ·网络爬虫的分类 | 第19-20页 |
| ·本文的主要内容与组织 | 第20-22页 |
| ·本文的主要内容 | 第20页 |
| ·本文的组织 | 第20-22页 |
| 第二章 主题网络爬虫设计及影响性能的因素 | 第22-35页 |
| ·主题网页的特性 | 第22-24页 |
| ·Hub 特性 | 第22页 |
| ·Linkage /Sibling Locality 特性 | 第22-23页 |
| ·站点主题特性 | 第23页 |
| ·隧道特性 | 第23-24页 |
| ·深度网页特性 | 第24页 |
| ·影响相关度评估的网页要素分析 | 第24-29页 |
| ·网页元数据 | 第24-25页 |
| ·网页标签数据 | 第25-26页 |
| ·网页链接信息 | 第26-29页 |
| ·页面的主题相关性判定模型 | 第29-32页 |
| ·主题网络爬虫需要解决的技术问题 | 第32-33页 |
| ·主题网络爬虫的架构 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 新特征提取方法的设计 | 第35-47页 |
| ·文本分类及特征提取 | 第35-36页 |
| ·文本分类 | 第35页 |
| ·特征提取 | 第35-36页 |
| ·已有的x~2 统计方法和MI 方法 | 第36-38页 |
| ·x~2 统计方法 | 第36-37页 |
| ·MI 互信息方法 | 第37-38页 |
| ·新算法EXM 的提出 | 第38-40页 |
| ·影响特征权值的因素 | 第38-39页 |
| ·新算法EXM 的设计 | 第39-40页 |
| ·EXM 特征提取方法的性能分析及实验 | 第40-42页 |
| ·实验设计 | 第40页 |
| ·训练文档的选择及预处理 | 第40-41页 |
| ·分类器选择 | 第41页 |
| ·评价标准 | 第41页 |
| ·实验结果 | 第41-42页 |
| ·二元特征选择算法 | 第42-46页 |
| ·优势率二元特征选择方法 | 第42-43页 |
| ·优势率算法的改进 | 第43-44页 |
| ·特征词条的权重计算 | 第44-45页 |
| ·EOR 算法实验及分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 主题网络爬虫 Tlarbin 的设计与实现 | 第47-56页 |
| ·开源网络爬虫Larbin | 第47页 |
| ·Tlarbin 对Larbin 的改进设计 | 第47-50页 |
| ·主题与网页的向量空间模型表示 | 第47-48页 |
| ·起始链接的筛选 | 第48-49页 |
| ·中文预处理 | 第49-50页 |
| ·启发式算法的设计 | 第50页 |
| ·Tlarbin 的构造 | 第50-54页 |
| ·TopicalLarbin 中的数据结构 | 第51-53页 |
| ·Tlarbin 的功能模块 | 第53-54页 |
| ·Tlarbin 的伪代码实现 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 实验及分析 | 第56-62页 |
| ·实验环境及系统配置 | 第56页 |
| ·主题选择及种子选取 | 第56页 |
| ·评测标准 | 第56-57页 |
| ·Tlarbin 的性能测试 | 第57-58页 |
| ·TF-EOR 测试 | 第58-59页 |
| ·链接上下文测试 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·本文总结 | 第62-63页 |
| ·进一步研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 在读期间发表的学术论文与取得的研究成果 | 第69页 |