高效的Web信息采集策略的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景和研究意义 | 第9-10页 |
| ·信息采集的研究现状 | 第10-16页 |
| ·基于整个Web的信息采集 | 第10-11页 |
| ·增量式Web信息采集 | 第11-12页 |
| ·基于主题的Web信息采集 | 第12-13页 |
| ·基于元搜索的信息采集 | 第13-14页 |
| ·基于用户个性化的Web信息采集 | 第14-15页 |
| ·基于Agent的信息采集 | 第15-16页 |
| ·迁移的信息采集 | 第16页 |
| ·研究内容 | 第16页 |
| ·论文的组织 | 第16-17页 |
| 第2章 Web信息采集系统 | 第17-27页 |
| ·信息采集系统概述 | 第17-19页 |
| ·搜索引擎介绍 | 第17-18页 |
| ·信息采集系统的工作流程 | 第18-19页 |
| ·相关研究 | 第19-26页 |
| ·种子URL的选择 | 第19-20页 |
| ·采集的策略 | 第20-21页 |
| ·URL的重复性判定 | 第21-22页 |
| ·采集器的通信模型 | 第22页 |
| ·DNS缓存 | 第22-23页 |
| ·页面中链接提取 | 第23-24页 |
| ·爬行陷阱 | 第24页 |
| ·其他相关问题 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 高效Web信息采集的关键技术 | 第27-41页 |
| ·分布式信息采集相关研究 | 第27-34页 |
| ·采集节点的合作方式 | 第27-28页 |
| ·分布式拓扑结构和相应的通信策略 | 第28-31页 |
| ·URL空间的划分方案 | 第31-32页 |
| ·系统的动态可配置性 | 第32-34页 |
| ·增量信息采集相关研究 | 第34-37页 |
| ·更新策略 | 第34-35页 |
| ·基于高灵敏网页特性和更新局部性的更新算法 | 第35-36页 |
| ·网页指纹判定 | 第36-37页 |
| ·面向主题的信息采集相关研究 | 第37-40页 |
| ·主题的描述 | 第38页 |
| ·网页内容与主题的相关性判定 | 第38-39页 |
| ·URL与主题的相关性预测 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 系统InsunSpider的设计与实现 | 第41-57页 |
| ·设计目标 | 第41页 |
| ·系统总体架构 | 第41-42页 |
| ·分布式采集的实现 | 第42-48页 |
| ·节点间通信 | 第42-45页 |
| ·主控模块 | 第45-46页 |
| ·采集节点 | 第46-48页 |
| ·增量式采集的实现 | 第48-50页 |
| ·主题过滤模块的实现 | 第50-51页 |
| ·系统评测 | 第51-56页 |
| ·针对分布式采集的评测 | 第51-54页 |
| ·针对增量式采集的评测 | 第54-55页 |
| ·针对主题过滤模块的评测 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
