| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 搜索引擎的发展历程 | 第12-13页 |
| 1.2.2 通用搜索引擎研究现状 | 第13-14页 |
| 1.2.3 垂直搜索引擎研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 2 分布式搜索引擎关键技术研究 | 第18-36页 |
| 2.1 分布式及Hadoop分布式计算平台 | 第18-22页 |
| 2.1.1 分布式计算原理 | 第18页 |
| 2.1.2 Hadoop分布式计算平台 | 第18-19页 |
| 2.1.3 Hadoop分布式系统HDFS | 第19-20页 |
| 2.1.4 Hadoop分布式编程模型MapReduce | 第20-22页 |
| 2.2 搜索引擎关键技术 | 第22-27页 |
| 2.2.1 基本检索模型 | 第22-23页 |
| 2.2.2 倒排索引技术 | 第23-24页 |
| 2.2.3 链接分析技术 | 第24-26页 |
| 2.2.4 中文分词 | 第26页 |
| 2.2.5 网页去重 | 第26-27页 |
| 2.3 通用搜索引擎及垂直搜索引擎 | 第27-29页 |
| 2.3.1 通用搜索引擎 | 第27-28页 |
| 2.3.2 垂直搜索引擎 | 第28页 |
| 2.3.3 通用搜索引擎和垂直搜索引擎比较 | 第28-29页 |
| 2.4 开源框架介绍 | 第29-35页 |
| 2.4.1 网络爬虫原理及Nutch介绍 | 第29-31页 |
| 2.4.2 htmlParser网页解析工具 | 第31-32页 |
| 2.4.3 全文检索工具lucene | 第32-34页 |
| 2.4.4 企业级搜索框架solr | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 基于Hadoop的垂直搜索引擎需求和架构 | 第36-44页 |
| 3.1 引言 | 第36-37页 |
| 3.1.1 系统总体需求 | 第36页 |
| 3.1.2 Hadoop分布式计算平台的必要性 | 第36-37页 |
| 3.2 系统总体功能模块 | 第37-38页 |
| 3.3 系统总体架构 | 第38-39页 |
| 3.4 基于Hadoop的垂直网络爬虫组成架构 | 第39-40页 |
| 3.5 基于Hadoop的索引器组成架构 | 第40-41页 |
| 3.6 基于Hadoop的检索器组成架构 | 第41-42页 |
| 3.7 用户接口组成架构 | 第42-43页 |
| 3.8 本章小结 | 第43-44页 |
| 4 基于Hadoop的招标信息垂直网络爬虫实现 | 第44-58页 |
| 4.1 引言 | 第44-46页 |
| 4.1.1 垂直网络爬虫定义 | 第44-45页 |
| 4.1.2 垂直网络爬虫工作流程 | 第45-46页 |
| 4.2 招标信息垂直网络爬虫构建 | 第46-48页 |
| 4.2.1 招标信息主题词库字典确定 | 第46-47页 |
| 4.2.2 基于词库字典的主题模型构建 | 第47-48页 |
| 4.3 基于Hadoop招标信息垂直爬虫实现 | 第48-55页 |
| 4.3.1 基于词库字典的主题模型实现 | 第48-49页 |
| 4.3.2 基于Hadoop的爬虫工作流程分析及实现 | 第49-55页 |
| 4.4 本章小结 | 第55-58页 |
| 5 基于Hadoop的索引器和检索器及用户接口实现 | 第58-70页 |
| 5.1 基于Hadoop分布式索引器实现 | 第58-59页 |
| 5.1.1 分布式索引器的目标 | 第58页 |
| 5.1.2 分布式索引器的基本功能模块 | 第58-59页 |
| 5.2 索引流程分析及实现 | 第59-63页 |
| 5.2.1 非结构化文档形成倒排索引文件的总体流程 | 第59-60页 |
| 5.2.2 非结构化文档解析 | 第60-61页 |
| 5.2.3 中文分词 | 第61页 |
| 5.2.4 网页评分排序 | 第61-62页 |
| 5.2.5 索引生成与存储 | 第62-63页 |
| 5.3 基于Hadoop的分布式检索器实现 | 第63-66页 |
| 5.3.1 分布式检索流程分析 | 第63-64页 |
| 5.3.2 检索服务实现 | 第64-66页 |
| 5.4 用户接口实现 | 第66-68页 |
| 5.5 本章小结 | 第68-70页 |
| 6 基于Hadoop的招标信息垂直搜索引擎测试 | 第70-80页 |
| 6.1 系统开发环境 | 第70-75页 |
| 6.1.1 系统运行软硬件环境 | 第70页 |
| 6.1.2 分布式集群开发环境搭建 | 第70-74页 |
| 6.1.3 开源框架部署 | 第74-75页 |
| 6.2 网络爬虫结果验证与测试 | 第75-77页 |
| 6.2.1 基于词库字典主题模型结果验证 | 第75-76页 |
| 6.2.2 网络爬虫可扩展性测试 | 第76-77页 |
| 6.3 搜索引擎系统运行界面展示 | 第77-78页 |
| 6.4 本章小结 | 第78-80页 |
| 7 总结和展望 | 第80-82页 |
| 7.1 总结 | 第80-81页 |
| 7.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读学位期间研究成果清单 | 第86-88页 |
| 致谢 | 第88页 |
