| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·搜索引擎发展历史与现状 | 第9-10页 |
| ·课题研究的意义 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 搜索引擎原理 | 第13-25页 |
| ·综合搜索引擎 | 第13-20页 |
| ·搜索引擎的工作过程 | 第13-15页 |
| ·搜索引擎的系统架构 | 第15-18页 |
| ·搜索引擎的相关策略与技术 | 第18-20页 |
| ·垂直搜索引擎 | 第20-25页 |
| ·垂直搜索引擎概述 | 第20页 |
| ·垂直搜索引擎和综合搜索引擎的区别与应用方向 | 第20-23页 |
| ·垂直搜索引擎的主要技术 | 第23-25页 |
| 第三章 网页信息搜集 | 第25-41页 |
| ·Heritrix的框架组成 | 第25-33页 |
| ·抓取任务CrawlOrder | 第26页 |
| ·中央控制器CrawlController | 第26-28页 |
| ·Frontier链接制造工厂 | 第28-29页 |
| ·用Berkeley DB实现的BdbFrontier | 第29-32页 |
| ·Heritrix的多线程ToeThread和ToePool | 第32页 |
| ·处理链和Processor | 第32-33页 |
| ·扩展和定制Heritrix | 第33-36页 |
| ·向Heritrix中添加自己的Extractor | 第33-34页 |
| ·扩展FrontierScheduler来抓取特定的内容 | 第34-35页 |
| ·在Prefetcher中取消robots.txt的限制 | 第35-36页 |
| ·深度优先查找算法与广度优先查找算法 | 第36-41页 |
| ·深度优先查找(depth-first search,DFS)算法 | 第36-38页 |
| ·广度优先查找(breadth-first search,BFS)算法 | 第38-41页 |
| 第四章 网页信息预处理 | 第41-59页 |
| ·全文检索引擎Lucene框架 | 第41-45页 |
| ·全文检索与全文检索系统 | 第41-43页 |
| ·Lucene的系统结构 | 第43-45页 |
| ·Lucene的索引结构分析 | 第45-48页 |
| ·用trie实现倒排索引的研究 | 第48-59页 |
| ·trie | 第48页 |
| ·标准trie | 第48-51页 |
| ·压缩trie | 第51-52页 |
| ·后缀trie | 第52-55页 |
| ·trie在搜索引擎中的应用 | 第55-59页 |
| 第五章 垂直搜索引擎的实现 | 第59-75页 |
| ·Eclipse环境的搭建 | 第59-62页 |
| ·安装配置Heritrix 1.12.1 | 第59-61页 |
| ·在Eclipse中启动Heritrix | 第61-62页 |
| ·在Eclipse中创建mypaper工程结构 | 第62页 |
| ·网页信息搜集 | 第62-63页 |
| ·网页信息处理 | 第63-72页 |
| ·网页内容提取方法 | 第63-64页 |
| ·解析网页信息的Extractor | 第64-67页 |
| ·构建产品信息词库 | 第67-68页 |
| ·索引与数据库 | 第68-72页 |
| ·提供网页信息服务 | 第72-75页 |
| ·后台程序的设计 | 第72-74页 |
| ·前台程序的设计 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 致谢 | 第79页 |
