| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 背景与意义 | 第9页 |
| 1.2 国内外研究综述 | 第9-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 第二章 论文相关技术研究 | 第15-26页 |
| 2.1 网络爬虫技术研究 | 第15-20页 |
| 2.1.1 通用网络爬虫概述 | 第15-16页 |
| 2.1.2 网络爬虫爬行策略 | 第16-18页 |
| 2.1.3 主题网络爬虫概述 | 第18-19页 |
| 2.1.4 主题网络爬虫分类 | 第19-20页 |
| 2.2 WEB文本挖掘技术研究 | 第20-25页 |
| 2.2.1 Web文本挖掘概述 | 第20-22页 |
| 2.2.2 Web文本挖掘技术 | 第22-23页 |
| 2.2.3 Web文本聚类挖掘 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 面向主题社区的主题网络爬虫研究 | 第26-38页 |
| 3.1 主题社区网站数据获取方案 | 第26-27页 |
| 3.1.1 基于第三方应用程序编程接口（API）获取数据 | 第26-27页 |
| 3.1.2 基于主题网络爬虫获取数据 | 第27页 |
| 3.2 网络爬虫编写语言 | 第27-29页 |
| 3.3 基于NODE.JS的主题网络爬虫设计与实现 | 第29-37页 |
| 3.3.1 网络爬虫总体设计 | 第29-30页 |
| 3.3.2 初始URL模块设计与实现 | 第30页 |
| 3.3.3 网页下载模块设计与实现 | 第30-31页 |
| 3.3.4 网页解析模块设计与实现 | 第31-35页 |
| 3.3.5 数据存储模块设计与实现 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于BIRCH算法的WEB文本聚类研究 | 第38-51页 |
| 4.1 WEB文本聚类流程 | 第38-39页 |
| 4.2 基于特征词向量的短文本表示模型 | 第39-44页 |
| 4.2.1 基于TF-IDF算法的特征提取 | 第40-42页 |
| 4.2.2 基于Word2vec的词向量表征 | 第42-43页 |
| 4.2.3 基于特征词向量的文本表征 | 第43-44页 |
| 4.3 文本聚类算法——BIRCH算法研究 | 第44-48页 |
| 4.3.1 聚类特征 | 第44-46页 |
| 4.3.2 聚类特征树 | 第46-48页 |
| 4.4 面向文本聚类的BIRCH算法改进 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 面向主题网络社区的信息采集和分析系统设计与实现 | 第51-68页 |
| 5.1 系统总体设计 | 第51页 |
| 5.2 前端模块设计与实现 | 第51-55页 |
| 5.2.1 前端模块总体设计 | 第51-52页 |
| 5.2.2 路由模块设计与实现 | 第52-53页 |
| 5.2.3 前端模板设计与实现 | 第53-55页 |
| 5.3 爬虫模块设计 | 第55-56页 |
| 5.4 文本分析模块设计 | 第56-58页 |
| 5.4.1 中文分词模块设计 | 第56页 |
| 5.4.2 文本表示模块设计 | 第56-57页 |
| 5.4.3 文本聚类模块设计 | 第57-58页 |
| 5.5 数据库设计 | 第58-59页 |
| 5.6 系统结果分析 | 第59-62页 |
| 5.6.1 当前热点 | 第59-60页 |
| 5.6.2 典型意见 | 第60-62页 |
| 5.7 系统功能测试 | 第62-67页 |
| 5.7.1 爬取功能测试 | 第62-64页 |
| 5.7.2 分析功能测试 | 第64-67页 |
| 5.8 本章小结 | 第67-68页 |
| 第六章 全文总结与展望 | 第68-69页 |
| 6.1 全文总结 | 第68页 |
| 6.2 后续工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的成果 | 第74-75页 |
