公众论坛信息实时检索的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9页 |
| ·本文主要工作 | 第9-10页 |
| ·本文结构 | 第10-11页 |
| 2 系统设计 | 第11-14页 |
| ·垂直搜索引擎 | 第11-12页 |
| ·系统结构 | 第12页 |
| ·系统开发环境 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 3 元搜索引擎 | 第14-22页 |
| ·元搜索引擎的定义 | 第14-15页 |
| ·高级搜索功能分析 | 第15-16页 |
| ·用户界面的实现 | 第16-17页 |
| ·提交查询请求 | 第17-18页 |
| ·搜索结果重新排序 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 4 网络爬虫的开发 | 第22-40页 |
| ·网络爬虫 | 第22-24页 |
| ·链接选取策略 | 第24页 |
| ·爬虫爬行策略 | 第24-27页 |
| ·深度优先策略 | 第25页 |
| ·广度优先策略 | 第25-26页 |
| ·反向链接数策略 | 第26页 |
| ·本文的策略 | 第26-27页 |
| ·网页去重 | 第27-30页 |
| ·布隆过滤器 | 第27-28页 |
| ·本文的布隆过滤器 | 第28-30页 |
| ·礼貌爬行 | 第30-33页 |
| ·robots协议 | 第31-32页 |
| ·控制爬行压力 | 第32-33页 |
| ·多线程技术 | 第33-36页 |
| ·线程池技术简介 | 第33-35页 |
| ·改进的线程池 | 第35-36页 |
| ·抓取效果 | 第36-38页 |
| ·本章小节 | 第38-40页 |
| 5 提取结构化的文本信息 | 第40-53页 |
| ·从HTML文件中提取结构化文本信息 | 第40-47页 |
| ·开源工具HTMLParser | 第40-42页 |
| ·标题及时间的提取 | 第42-44页 |
| ·帖子正文信息的提取 | 第44-47页 |
| ·常见格式文件的文本信息提取 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 6 基于Lucene索引及检索 | 第53-70页 |
| ·全文检索 | 第53-56页 |
| ·倒排索引 | 第53-54页 |
| ·PAT数组模型 | 第54-55页 |
| ·基于邻接矩阵的全文检索模型 | 第55-56页 |
| ·开源工具Lucene | 第56-57页 |
| ·Lucene分析器 | 第57-59页 |
| ·Lucene的标准分析器 | 第57-58页 |
| ·中文分词 | 第58-59页 |
| ·IKAnalyzer分析器 | 第59页 |
| ·Lucene的索引模块 | 第59-61页 |
| ·Lucene的检索模块 | 第61-63页 |
| ·索引及检索模块的实现 | 第63-67页 |
| ·建立索引 | 第63-65页 |
| ·建立查询接口 | 第65-67页 |
| ·搜索结果 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 7 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76页 |
