| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 国内研究现状 | 第9页 |
| 1.2.2 国外研究现状 | 第9-10页 |
| 1.3 研究目标及拟解决的关键问题 | 第10页 |
| 1.4 论文组织结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 Nutch及主题爬虫 | 第12-28页 |
| 2.1 Nutch开源分布式爬虫 | 第12-17页 |
| 2.1.1 Nutch概述 | 第12页 |
| 2.1.2 Nutch数据目录结构 | 第12-14页 |
| 2.1.3 Nutch组件 | 第14-15页 |
| 2.1.4 Nutch总体架构 | 第15-16页 |
| 2.1.5 Nutch工作流程 | 第16-17页 |
| 2.2 Hadoop分布式计算平台 | 第17-21页 |
| 2.2.1 Hadoop概述 | 第17-19页 |
| 2.2.2 HDFS介绍 | 第19-20页 |
| 2.2.3 Map Reduce编程模型 | 第20-21页 |
| 2.3 主题爬虫相关技术 | 第21-27页 |
| 2.3.1 主题爬虫概述 | 第21-22页 |
| 2.3.2 爬行协议 | 第22-23页 |
| 2.3.3 隧道技术 | 第23-24页 |
| 2.3.4 支持向量机分类器 | 第24-26页 |
| 2.3.5 朴素贝叶斯分类器 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 自适应主题爬虫算法改进 | 第28-36页 |
| 3.1 learning automaton | 第28-30页 |
| 3.1.1 变化决策集learning automaton | 第29-30页 |
| 3.2 基于learning automaton的主题爬行概述 | 第30-33页 |
| 3.2.1 learning automaton在主题爬行中的应用 | 第30-31页 |
| 3.2.2 爬行过程 | 第31-33页 |
| 3.2.3 调整learning automaton | 第33页 |
| 3.3 基于learning automaton的主题爬行算法改进 | 第33-35页 |
| 3.3.1 相似度计算算法改进 | 第33-34页 |
| 3.3.2 爬行效率改进 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 Nutch爬行方法改造 | 第36-42页 |
| 4.1 Nutch评分插件 | 第36-37页 |
| 4.2 爬行流程改造 | 第37-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 Seed URL采集及网页分类策略 | 第42-47页 |
| 5.1 Seed URL的重要性 | 第42页 |
| 5.2 Seed URL采集策略 | 第42-44页 |
| 5.2.1 ODP | 第42-43页 |
| 5.2.2 通用搜索引擎 | 第43-44页 |
| 5.3 网页分类策略 | 第44-46页 |
| 5.3.1 主题关键词选取 | 第44-45页 |
| 5.3.2 支持向量机分类器 | 第45页 |
| 5.3.3 朴素贝叶斯分类器 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第6章 分布式主题爬虫实现及结果分析 | 第47-52页 |
| 6.1 分布式主题爬虫实现 | 第47-49页 |
| 6.1.1 Nutch运行环境搭建 | 第47-48页 |
| 6.1.2 分布式主题爬虫总体架构 | 第48-49页 |
| 6.2 实验仿真与结果分析 | 第49-51页 |
| 6.2.1 改进自适应主题爬行算法实验对比分析 | 第49-50页 |
| 6.2.2 分布式主题爬虫性能实验及结果分析 | 第50-51页 |
| 6.3 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 攻读学位期间取得学术成果 | 第56页 |
