| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 前人研究工作综述 | 第11-13页 |
| 1.3 研究内容与目标 | 第13-14页 |
| 1.4 本文的内容和章节安排 | 第14-15页 |
| 第二章 相关技术研究综述 | 第15-29页 |
| 2.1 搜索引擎概述 | 第15-18页 |
| 2.2 主题搜索引擎的工作原理 | 第18-20页 |
| 2.2.1 主题搜索引擎的特点 | 第18-19页 |
| 2.2.2 主题搜索引擎的信息采集技术 | 第19-20页 |
| 2.3 中文分词技术 | 第20-21页 |
| 2.3.1 中文分词技术概要 | 第20-21页 |
| 2.3.2 中文分词常用手段 | 第21页 |
| 2.4 开源网络爬虫Nutch | 第21-23页 |
| 2.4.1 Nutch的基本原理 | 第22-23页 |
| 2.4.2 Nutch工作流程分析 | 第23页 |
| 2.5 Apache Solr索引服务器 | 第23-25页 |
| 2.5.1 Solr基本功能 | 第24页 |
| 2.5.2 Solr服务原理 | 第24-25页 |
| 2.6 朴素贝叶斯算法 | 第25-28页 |
| 2.6.1 贝叶斯公式和极大后验假设 | 第25-26页 |
| 2.6.2 朴素贝叶斯分类器 | 第26-28页 |
| 2.7 开发环境 | 第28页 |
| 2.8 本章小结 | 第28-29页 |
| 第三章 基于Nutch的主题搜索引擎系统设计 | 第29-44页 |
| 3.1 系统功能设计分析 | 第29-30页 |
| 3.2 设计目标及总体方案 | 第30页 |
| 3.3 系统的总体框架和工作流程 | 第30-32页 |
| 3.4 系统各个功能模块设计 | 第32-43页 |
| 3.4.1 信息采集模块设计 | 第32-37页 |
| 3.4.2 主题过滤模块的设计 | 第37-39页 |
| 3.4.3 信息预处理模块的设计 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于Nutch的搜索引擎系统实现 | 第44-73页 |
| 4.1 信息采集模块实现 | 第44-52页 |
| 4.1.1 静态页面内容抓取实现 | 第45-46页 |
| 4.1.2 动态抽取模块插件设计与实现 | 第46-52页 |
| 4.2 主题过滤模块实现 | 第52-61页 |
| 4.2.1 文本预处理过程实现 | 第53-54页 |
| 4.2.2 贝叶斯分类算法实现 | 第54-61页 |
| 4.3 信息预处理模块实现 | 第61-65页 |
| 4.3.1 文档建模及倒排索引过程实现 | 第61-62页 |
| 4.3.2 中文分词实现 | 第62-65页 |
| 4.4 基于Nutch的主题搜索引擎系统部署及运行 | 第65-67页 |
| 4.5 实验结果 | 第67-72页 |
| 4.5.1 搜索界面的展示 | 第67-68页 |
| 4.5.2 主题网络爬虫性能测评 | 第68-69页 |
| 4.5.3 主题相关结果的判断 | 第69-72页 |
| 4.6 总结 | 第72-73页 |
| 第五章 结束语 | 第73-75页 |
| 5.1 论文工作总结 | 第73-74页 |
| 5.2 问题和展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78页 |