| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-24页 |
| ·课题背景和研究意义 | 第10-11页 |
| ·语义网搜索引擎 | 第11-12页 |
| ·搜索引擎中专题爬虫的几个关键问题 | 第12-13页 |
| ·课题研究现状 | 第13-21页 |
| ·万维网爬虫的现状总结 | 第13-18页 |
| ·语义网爬虫的现状总结 | 第18-20页 |
| ·研究现状的比较和分析 | 第20-21页 |
| ·研究内容及创新点 | 第21-22页 |
| ·本文的组织 | 第22-24页 |
| 第2章 基于本体的语义网专题爬虫的系统架构 | 第24-30页 |
| ·概述 | 第24-25页 |
| ·面向语义网的专题爬虫的总体框架 | 第25-26页 |
| ·本体概述 | 第26-27页 |
| ·本体的概念 | 第26页 |
| ·本体的描述语言 | 第26页 |
| ·本课题涉及到本体的部分 | 第26-27页 |
| ·核心模块功能概述 | 第27-28页 |
| ·主题评估器 | 第27页 |
| ·链接预测器 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 语义文档内容的表示和评估模块的设计 | 第30-48页 |
| ·语义文档内容评估模块概述 | 第30-32页 |
| ·语义文档表示 | 第32-37页 |
| ·WordNet 词典 | 第33-34页 |
| ·文档内容表示方法现状 | 第34-35页 |
| ·基于图结构的表示方法 | 第35-37页 |
| ·语义文档内容评估模块 | 第37-42页 |
| ·指导本体的构建 | 第37-38页 |
| ·基于图搜索的概念之间的语义距离计算 | 第38-41页 |
| ·基于密度的聚类算法和文档语义消岐 | 第41-42页 |
| ·实验结果及分析 | 第42-47页 |
| ·实验一：语义距离计算 | 第42-44页 |
| ·实验二：语义文档内容的判断 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 语义文档链接模型和链接预测算法 | 第48-60页 |
| ·概述 | 第48页 |
| ·语义文档链接模型 | 第48-50页 |
| ·语义链接预测中的基本算法概述 | 第50-53页 |
| ·Q 学习算法概述 | 第50-52页 |
| ·朴素贝叶斯分类器 | 第52页 |
| ·语义网专题爬虫中的应用场景 | 第52-53页 |
| ·特征的选取 | 第53-55页 |
| ·文档特征的选取 | 第53-54页 |
| ·链接特征的选取 | 第54-55页 |
| ·智能爬虫链接预测算法 | 第55-56页 |
| ·实验以及结果分析 | 第56-59页 |
| ·实验一：多次爬行召回率实验 | 第57-58页 |
| ·实验二：一次爬行获取率实验 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 语义搜索引擎专题爬虫模块FOCSEW 系统实现 | 第60-70页 |
| ·FOCSEW 系统整体设计 | 第60-63页 |
| ·重点模块的实现 | 第63-66页 |
| ·Q 学习算法实现模块 | 第63-65页 |
| ·聚类算法的实现模块 | 第65-66页 |
| ·领域本体构建 | 第66-67页 |
| ·对语义网搜索引擎的支撑 | 第67-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录1 链接获取类和所有Scanner 的类图 | 第76-77页 |
| 附录2 抓取系统控制器部分的UML 图 | 第77-78页 |
| 附录3 聚类算法和Q 学习实现的类图 | 第78-79页 |
| 附录4 所有消费者（Consumer）的类图 | 第79-80页 |
| 附录5 系统的配置文件 | 第80-86页 |
| 攻读硕士学位期间所发表的学术论文 | 第86-88页 |
| 致谢 | 第88页 |