| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要工作与章节安排 | 第12-14页 |
| 第二章 搜索引擎关键技术分析 | 第14-26页 |
| 2.1 搜索引擎系统基本原理 | 第14-18页 |
| 2.1.1 数据采集子系统 | 第14-17页 |
| 2.1.2 索引子系统 | 第17-18页 |
| 2.1.3 查询子系统 | 第18页 |
| 2.2 云环境下搜索引擎系统 | 第18-23页 |
| 2.2.1 云环境下搜索引擎系统特点 | 第18-19页 |
| 2.2.2 开源搜索引擎系统Nutch | 第19-23页 |
| 2.3 云环境下搜索引擎关键技术 | 第23-25页 |
| 2.3.1 分词技术 | 第23页 |
| 2.3.2 文本去重技术 | 第23-24页 |
| 2.3.3 全文索引技术 | 第24页 |
| 2.3.4 数据采集技术 | 第24页 |
| 2.3.5 数据存储技术 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 一种基于LCS的文本快速去重算法 | 第26-37页 |
| 3.1 相关研究与问题描述 | 第26-29页 |
| 3.2 一种基于LCS的文本去重算法 | 第29-32页 |
| 3.2.1 LCS算法 | 第29页 |
| 3.2.2 基于LCS的文本去重算法(SWLR) | 第29-30页 |
| 3.2.3 快速SWLR文本去重算法 | 第30-32页 |
| 3.3 性能仿真及结果分析 | 第32-36页 |
| 3.3.1 实验环境 | 第32页 |
| 3.3.2 SWLR文本去重算法 | 第32-34页 |
| 3.3.3 快速SWLR文本去重算法 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 一种基于链表结构的全文索引模型 | 第37-53页 |
| 4.1 相关研究与问题描述 | 第37-45页 |
| 4.1.1 倒排索引模型 | 第37-40页 |
| 4.1.2 后缀树索引模型 | 第40-42页 |
| 4.1.3 后缀数组索引模型 | 第42-45页 |
| 4.2 基于链表结构改进的倒排索引模型 | 第45-49页 |
| 4.2.1 改进的倒排索引模型结构设计 | 第46-47页 |
| 4.2.2 改进的倒排索引模型构造算法 | 第47-48页 |
| 4.2.3 改进的倒排索引模型查询算法 | 第48-49页 |
| 4.3 性能仿真及结果分析 | 第49-52页 |
| 4.3.1 实验环境 | 第49页 |
| 4.3.2 索引构建时间对比 | 第49-50页 |
| 4.3.3 查询时间对比 | 第50-51页 |
| 4.3.4 内存空间使用对比 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 一种基于云环境的并行网络爬虫系统 | 第53-65页 |
| 5.1 相关研究与需求分析 | 第53-56页 |
| 5.1.1 基于Hadoop的开源网络爬虫Nutch | 第53-55页 |
| 5.1.2 云环境下网络爬虫需求分析 | 第55-56页 |
| 5.2 基于云环境的网络爬虫系统设计 | 第56-61页 |
| 5.2.1 总体结构设计 | 第56-57页 |
| 5.2.2 数据模型设计 | 第57-58页 |
| 5.2.3 功能模块实现 | 第58-61页 |
| 5.3 性能仿真及结果分析 | 第61-64页 |
| 5.3.1 单机版本实验分析 | 第61-62页 |
| 5.3.2 分布式版本实验分析 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 附录2 攻读硕士学位期间申请的专利 | 第71-72页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 致谢 | 第73页 |