| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 主题爬虫的研究现状 | 第15-16页 |
| 1.2.2 聚类方法的研究现状 | 第16-17页 |
| 1.2.3 网络舆情及话题提取的研究现状 | 第17-18页 |
| 1.3 本文的主要研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第二章 爬虫相关技术 | 第20-32页 |
| 2.1 搜索引擎简介 | 第20-22页 |
| 2.2 通用爬虫技术 | 第22-24页 |
| 2.2.1 通用爬虫简介 | 第22-23页 |
| 2.2.2 通用爬虫的常用搜索策略 | 第23-24页 |
| 2.3 主题爬虫技术 | 第24-28页 |
| 2.3.1 主题爬虫简介 | 第24-25页 |
| 2.3.2 主题爬虫的常用搜索策略 | 第25-28页 |
| 2.4 主题爬虫与通用爬虫的比较 | 第28页 |
| 2.5 文本聚类算法 | 第28-31页 |
| 2.5.1 划分聚类算法 | 第28-29页 |
| 2.5.2 层次聚类算法 | 第29-30页 |
| 2.5.3 密度聚类算法 | 第30页 |
| 2.5.4 single-pass聚类算法 | 第30页 |
| 2.5.5 几种聚类算法的比较 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 主题爬虫的改进与实现 | 第32-58页 |
| 3.1 主题爬虫系统结构 | 第32-33页 |
| 3.2 爬虫主题的确定 | 第33-34页 |
| 3.3 初始种子的优化改进 | 第34-36页 |
| 3.4 基于文字密度的网页正文提取 | 第36-41页 |
| 3.4.1 机器人协议 | 第36页 |
| 3.4.2 http协议和socket通信 | 第36-37页 |
| 3.4.3 基于文字密度的网页正文提取 | 第37-41页 |
| 3.5 基于向量空间模型的文本相似度计算 | 第41-46页 |
| 3.5.1 中文分词及预处理技术 | 第41-42页 |
| 3.5.2 向量空间模型 | 第42-46页 |
| 3.6 降维度VSM的多参考因素相似度改进算法 | 第46-47页 |
| 3.6.1 VSM的优缺点 | 第46页 |
| 3.6.2 降维的改进向量空间模型 | 第46-47页 |
| 3.6.3 改进VSM的多参考因素相似度计算 | 第47页 |
| 3.7 动态阈值的调整 | 第47-49页 |
| 3.8 URL的优先级排序 | 第49-50页 |
| 3.9 爬虫过程中存在的其他问题 | 第50-53页 |
| 3.9.1 多线程 | 第50-52页 |
| 3.9.2 大规模URL的去重 | 第52页 |
| 3.9.3 大规模URL的存储 | 第52-53页 |
| 3.10 改进后主题爬虫的流程图 | 第53-54页 |
| 3.11 对比实验设计 | 第54-57页 |
| 3.11.1 改进后的主题爬虫与Heritrix爬虫的比较 | 第55页 |
| 3.11.2 准确率和召回率的比较 | 第55-57页 |
| 3.12 本章小结 | 第57-58页 |
| 第四章 基于主题爬虫的舆情监测和话题提取 | 第58-68页 |
| 4.1 网络舆情监测概述 | 第58-59页 |
| 4.2 single-pass聚类算法 | 第59-60页 |
| 4.3 聚类算法实验对比 | 第60-61页 |
| 4.4 话题检测和提取 | 第61-64页 |
| 4.4.1 话题提取的过程 | 第61-62页 |
| 4.4.2 single-pass聚类算法改进 | 第62-63页 |
| 4.4.3 single-pass聚类算法实验对比 | 第63-64页 |
| 4.5 热点话题提取过程 | 第64-66页 |
| 4.5.1 改进single-pass聚类算法的话题提取过程 | 第64页 |
| 4.5.2 话题提取实验比较 | 第64-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第五章 舆情分析原型系统开发 | 第68-76页 |
| 5.1 舆情分析系统的总体设计 | 第68-69页 |
| 5.1.1 舆情分析系统的系统架构 | 第68-69页 |
| 5.1.2 舆情分析系统的开发环境 | 第69页 |
| 5.2 食品安全舆情分析系统主要功能 | 第69-70页 |
| 5.3 食品安全舆情分析系统展示 | 第70-74页 |
| 5.3.1 主题爬虫界面 | 第70-72页 |
| 5.3.2 舆情分析系统界面 | 第72-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者和导师简介 | 第84-85页 |
| 附件 | 第85-86页 |
