| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 搜索引擎发展现状 | 第12-13页 |
| 1.3 网络爬虫发展现状 | 第13-14页 |
| 1.4 本文工作内容 | 第14页 |
| 1.5 论文结构 | 第14-16页 |
| 第二章 基于领域的网络爬虫基础 | 第16-23页 |
| 2.1 搜索引擎基础概述 | 第16-18页 |
| 2.2 网络爬虫基础概述 | 第18-19页 |
| 2.3 领域网络爬虫技术现状 | 第19-21页 |
| 2.4 开源网络爬虫研究现状 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于领域的网络爬虫搜索策略研究 | 第23-33页 |
| 3.1 遍历搜索策略研究 | 第23-24页 |
| 3.2 最佳优先搜索策略——基于链接结构 | 第24-29页 |
| 3.2.1 Page Rank算法研究 | 第25-27页 |
| 3.2.2 HITS算法研究 | 第27-29页 |
| 3.3 最佳优先搜索策略——基于页面内容 | 第29-30页 |
| 3.3.1 Fish-Search算法研究 | 第29页 |
| 3.3.2 Shark-Search算法研究 | 第29-30页 |
| 3.4 领域爬虫搜索策略改进——综合搜索 | 第30-32页 |
| 3.4.1 基于领域的网络爬虫的搜索策略改进 | 第30-31页 |
| 3.4.2 爬虫队列的改进与设计 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于领域的网络爬虫向量空间模型研究 | 第33-48页 |
| 4.1 领域主题爬虫相似度判断模型 | 第33-37页 |
| 4.1.1 文档表示方式VSM模型 | 第33-34页 |
| 4.1.2 特征提取算法研究 | 第34-36页 |
| 4.1.3 TF-IDF算法以及应用 | 第36-37页 |
| 4.2 本体建模与概念权值计算 | 第37-41页 |
| 4.2.1 Protege与OWL | 第37-39页 |
| 4.2.2 本体模型建立与权值推导 | 第39-41页 |
| 4.3 领域爬虫搜索策略改进——概念权重 | 第41-43页 |
| 4.3.1 VSM引入概念权重 | 第41-43页 |
| 4.4 开源爬虫Heritrix研究与改进 | 第43-47页 |
| 4.4.1 Heritrix源码功能模块分析与改进 | 第44-45页 |
| 4.4.2 Heritrix与Robots | 第45-46页 |
| 4.4.3 Heritrix的链接分配策略 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于领域的网络爬虫的设计与实现 | 第48-66页 |
| 5.1 网页评价之前的页面预处理 | 第48-50页 |
| 5.1.1 HtmlParser网页解析工具 | 第48页 |
| 5.1.2 IKAnalyzer中文分词工具 | 第48-50页 |
| 5.2 基于领域的网络爬虫架构 | 第50-55页 |
| 5.2.1 基于领域的网络爬虫架构 | 第50-53页 |
| 5.2.2 基于领域的网络爬虫代码流程 | 第53-55页 |
| 5.3 工程设计与类设计 | 第55-58页 |
| 5.4 基于领域的网络爬虫实验运行效果 | 第58-60页 |
| 5.5 基于领域的网络爬虫改进效果测试 | 第60-65页 |
| 5.5.1 Heritrix改进效果对比 | 第60-63页 |
| 5.5.2 基于领域的网络爬虫领域主题效果对比 | 第63-64页 |
| 5.5.3 基于领域的网络爬虫页面评分概览 | 第64-65页 |
| 5.5.4 基于领域的网络爬虫概念权重效果对比 | 第65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士期间参与的项目与发表论文 | 第71-72页 |