| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 选题背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的主要工作安排 | 第10-11页 |
| 第二章 搜索引擎概述 | 第11-14页 |
| 2.1 搜索引擎的工作原理 | 第11-12页 |
| 2.1.1 搜索引擎的工作流程 | 第11页 |
| 2.1.2 搜索引擎的体系结构 | 第11-12页 |
| 2.2 搜索引擎发展趋势 | 第12页 |
| 2.3 搜索引擎的分类 | 第12-13页 |
| 2.4 本章小结 | 第13-14页 |
| 第三章 网络爬虫原理及爬虫设计 | 第14-28页 |
| 3.1 爬虫的基本原理与架构 | 第14-16页 |
| 3.1.1 网络爬虫的原理 | 第14页 |
| 3.1.2 网络爬虫架构 | 第14-16页 |
| 3.2 网络爬虫的策略分析 | 第16-18页 |
| 3.2.1 宽度优先策略 | 第16-17页 |
| 3.2.2 完全PageRank策略 | 第17页 |
| 3.2.3 非完全PageRank策略 | 第17-18页 |
| 3.2.4 分布式爬虫 | 第18页 |
| 3.3 网络爬虫的设计 | 第18-23页 |
| 3.3.1 Heritrix结构分析 | 第18-20页 |
| 3.3.2 设计自己的爬虫程序 | 第20-21页 |
| 3.3.3 对爬虫算法的优化 | 第21-23页 |
| 3.4 从HTML文件中提取文本 | 第23-27页 |
| 3.4.1 识别网页的编码 | 第24-25页 |
| 3.4.2 HTML内容提取 | 第25-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 搜索引擎关键技术研究与实现 | 第28-54页 |
| 4.1 中文分词技术研究 | 第28-34页 |
| 4.1.1 分词技术的划分方法 | 第28-29页 |
| 4.1.2 中文分词的方法 | 第29-30页 |
| 4.1.3 Lucene中的Analyzer研究 | 第30-32页 |
| 4.1.4 中文分词体系结构与切分过程 | 第32-33页 |
| 4.1.5 使用IKAnalyzer进行中文分词 | 第33-34页 |
| 4.2 网页去重算法研究 | 第34-38页 |
| 4.2.1 网页去重的意义 | 第34页 |
| 4.2.2 网页去重的基本流程 | 第34-35页 |
| 4.2.3 TF-IDF算法研究 | 第35-36页 |
| 4.2.4 网页相似度算法——余弦相似性 | 第36-38页 |
| 4.3 Lucene与Solr关键技术研究 | 第38-44页 |
| 4.3.1 Lucene的架构 | 第38-40页 |
| 4.3.2 Lucene与Solr间的关系 | 第40页 |
| 4.3.3 创建索引 | 第40-42页 |
| 4.3.4 查找索引库 | 第42-44页 |
| 4.4 Solr配置与应用 | 第44-49页 |
| 4.4.1 Tomcat 8.0 下配置Solr | 第44-45页 |
| 4.4.2 Solr中的文件配置 | 第45-47页 |
| 4.4.3 向Solr添加、删除数据 | 第47-49页 |
| 4.5 网页排序算法研究与实现 | 第49-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 搜索引擎的设计与实现 | 第54-67页 |
| 5.1 新闻网页的信息抓取 | 第54-58页 |
| 5.1.1 建立爬虫工程 | 第54-55页 |
| 5.1.2 爬虫参数设定 | 第55-58页 |
| 5.2 网页内容提取 | 第58-61页 |
| 5.3 分词系统的设计与实现 | 第61-63页 |
| 5.4 向Solr集成IKAnalyzer分词的设计 | 第63-64页 |
| 5.5 Solr检索模块的设计与实现 | 第64-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |