基于Hadoop的信息爬取与舆情检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 研究内容及章节安排 | 第11-14页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 章节安排 | 第12-14页 |
| 第二章 相关技术研究 | 第14-20页 |
| 2.1 数据存储与分析技术 | 第14页 |
| 2.2 Hadoop技术简介 | 第14-17页 |
| 2.2.1 HDFS | 第15-16页 |
| 2.2.2 Map/Reduce | 第16-17页 |
| 2.3 网络爬虫原理 | 第17-20页 |
| 2.3.1 网络爬虫系统的工作原理 | 第17页 |
| 2.3.2 网络爬虫系统的基本结构 | 第17-18页 |
| 2.3.3 网络爬虫系统的基本原理 | 第18-20页 |
| 第三章 数据爬取方案设计与实现 | 第20-40页 |
| 3.1 分布式网络爬虫的设计需求 | 第20-21页 |
| 3.2 系统布局与结构 | 第21-25页 |
| 3.2.1 系统布局 | 第21-22页 |
| 3.2.2 爬虫基本流程设计 | 第22-24页 |
| 3.2.3 爬虫系统的框架设计 | 第24-25页 |
| 3.3 Map/Reduce并行编程模型 | 第25-26页 |
| 3.4 功能模块的Map/Reduce设计 | 第26-31页 |
| 3.5 存储结构的实现 | 第31-33页 |
| 3.5.1 in库 | 第31-32页 |
| 3.5.2 原始网页doc库 | 第32页 |
| 3.5.3 链出out库 | 第32-33页 |
| 3.5.4 XML库 | 第33页 |
| 3.6 爬虫总体数据结构 | 第33-35页 |
| 3.7 数据爬取性能分析 | 第35-40页 |
| 第四章 舆情检测算法研究 | 第40-48页 |
| 4.1 现有舆情检测算法分析 | 第40-43页 |
| 4.1.1 聚类分析算法 | 第40-42页 |
| 4.1.2 网络短文本聚类 | 第42页 |
| 4.1.3 舆情检测特征度量 | 第42-43页 |
| 4.1.4 权重模型 | 第43页 |
| 4.2 现有舆情检测算法缺陷分析 | 第43-44页 |
| 4.3 复杂网络理论 | 第44-45页 |
| 4.3.1 复杂网络概述 | 第44页 |
| 4.3.2 复杂网络表示方式 | 第44-45页 |
| 4.4 时间同步理论 | 第45页 |
| 4.5 舆情检测时间同步需求分析 | 第45-48页 |
| 第五章 复杂网络模型舆情检测技术 | 第48-64页 |
| 5.1 复杂网络模型构建 | 第48-50页 |
| 5.1.1 网络模型构建 | 第48页 |
| 5.1.2 网络模型特性 | 第48-50页 |
| 5.2 因特网复杂网络模型时间同步 | 第50-59页 |
| 5.2.1 时间同步机制 | 第50页 |
| 5.2.2 TPSN算法 | 第50-51页 |
| 5.2.3 TPSN算法改进 | 第51-59页 |
| 5.3 因特网复杂网络模型仿真分析 | 第59-64页 |
| 5.3.1 模型搭建 | 第59-60页 |
| 5.3.2 协议实现 | 第60-61页 |
| 5.3.3 仿真结果分析 | 第61-64页 |
| 第六章 总结 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录 (攻读硕士期间的学术成果) | 第72-73页 |
| 附件 | 第73-74页 |
