| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状和发展态势 | 第12-14页 |
| 1.2.1 搜索引擎的发展 | 第12-13页 |
| 1.2.2 垂直搜索引擎国内外研究现状 | 第13-14页 |
| 1.2.3 垂直搜索引擎关键技术的研究现状 | 第14页 |
| 1.3 本文的主要研究内容与创新 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 第二章 健康领域的垂直搜索引擎相关技术 | 第17-32页 |
| 2.1 搜索引擎工作原理 | 第17-18页 |
| 2.2 健康领域的垂直搜索引擎的技术特点 | 第18-19页 |
| 2.2.1 垂直搜索引擎的技术特点 | 第18-19页 |
| 2.2.2 健康领域信息的特点 | 第19页 |
| 2.3 网页采集技术 | 第19-20页 |
| 2.3.1 主题爬虫基本结构 | 第19-20页 |
| 2.3.2 网页采集策略 | 第20页 |
| 2.4 中文分词技术 | 第20-24页 |
| 2.4.1 概述 | 第20页 |
| 2.4.2 中文分词基本算法 | 第20-24页 |
| 2.4.2.1 基于词典的中文分词算法 | 第21-22页 |
| 2.4.2.2 基于统计的中文分词算法 | 第22-24页 |
| 2.4.2.3 基于规则的中文分词算法 | 第24页 |
| 2.5 全文检索框架Lucene | 第24-31页 |
| 2.5.1 Lucene概述 | 第24-25页 |
| 2.5.2 Lucene组织结构 | 第25-27页 |
| 2.5.3 Lucene索引 | 第27-28页 |
| 2.5.3.1 倒排索引 | 第27页 |
| 2.5.3.2 Lucene索引结构 | 第27-28页 |
| 2.5.3.3 Lucene索引创建 | 第28页 |
| 2.5.4 Lucene检索 | 第28-31页 |
| 2.5.4.1 Lucene检索过程 | 第28-29页 |
| 2.5.4.2 Lucene评分机制 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 健康领域的垂直搜索引擎总体设计 | 第32-38页 |
| 3.1 健康领域的垂直搜索引擎的功能和目标 | 第32-33页 |
| 3.2 健康领域的垂直搜索引擎的整体设计 | 第33-37页 |
| 3.2.1 整体架构设计 | 第33-35页 |
| 3.2.2 数据流及工作流程设计 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 健康领域垂直搜索引擎网页采集及信息提取研究与实现 | 第38-48页 |
| 4.1 主题爬虫的研究与实现 | 第38-45页 |
| 4.1.1 主题爬虫的工作流程 | 第38-39页 |
| 4.1.2 网页采集策略的选择 | 第39-40页 |
| 4.1.2.1 人工预选 | 第39页 |
| 4.1.2.2 主题相关网站的推荐 | 第39-40页 |
| 4.1.3 URL的爬行策略 | 第40-41页 |
| 4.1.4 Java爬虫框架 | 第41-42页 |
| 4.1.5 主题爬虫的具体实现 | 第42-45页 |
| 4.1.5.1 特征词提取的实现 | 第42-43页 |
| 4.1.5.2 健康领域数据采集的实现 | 第43-45页 |
| 4.2 信息提取的研究与实现 | 第45-47页 |
| 4.2.1 开源HTML解析器 | 第45-46页 |
| 4.2.2 信息提取的实现 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 健康领域的垂直搜索引擎中文分词模块研究与实现 | 第48-65页 |
| 5.1 中文分词研究面临的问题 | 第48页 |
| 5.1.1 歧义处理 | 第48页 |
| 5.1.2 未登录词识别 | 第48页 |
| 5.2 开源中文分词器 | 第48-52页 |
| 5.2.1 分词器算法介绍 | 第49-50页 |
| 5.2.2 分词器架构组成 | 第50-51页 |
| 5.2.3 分词器词库 | 第51-52页 |
| 5.3 中文分词模块整体结构 | 第52-53页 |
| 5.4 未登录词识别的研究与实现 | 第53-56页 |
| 5.4.1 提取规则的制订 | 第53-55页 |
| 5.4.2 统计信息的使用 | 第55-56页 |
| 5.5 中文分词模块的具体实现 | 第56-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 健康领域的垂直搜索引擎索引及检索模块研究与实现 | 第65-77页 |
| 6.1 索引模块的设计 | 第65-67页 |
| 6.2 索引模块的实现 | 第67-71页 |
| 6.3 检索模块的设计 | 第71-73页 |
| 6.4 检索模块的实现 | 第73-75页 |
| 6.5 结果排序的改进 | 第75-76页 |
| 6.6 本章小结 | 第76-77页 |
| 第七章 系统测试 | 第77-81页 |
| 7.1 开发环境 | 第77页 |
| 7.2 测试结果分析 | 第77-78页 |
| 7.2.1 中文分词结果测试 | 第77-78页 |
| 7.2.2 搜索效果测试 | 第78页 |
| 7.3 应用实例展示 | 第78-80页 |
| 7.4 本章小结 | 第80-81页 |
| 第八章 总结与展望 | 第81-83页 |
| 8.1 总结 | 第81页 |
| 8.2 展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
