基于SVM分类算法的主题爬虫研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·论文的研究背景和意义 | 第9-10页 |
| ·课题的背景 | 第9-10页 |
| ·课题的意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 网络爬虫关键技术 | 第15-27页 |
| ·通用爬虫 | 第15-16页 |
| ·主题爬虫 | 第16-18页 |
| ·基于文字内容的启发式算法 | 第18-20页 |
| ·最好优先搜索算法 | 第18页 |
| ·Fish算法 | 第18-19页 |
| ·Shark搜索算法 | 第19-20页 |
| ·基于WEB链接结构的评价算法 | 第20-26页 |
| ·反向链接算法 | 第20页 |
| ·PageRank算法 | 第20-23页 |
| ·HITS算法 | 第23-25页 |
| ·PageRank算法和HITS算法的比较 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于SVM的主题爬虫研究 | 第27-45页 |
| ·向量空间模型 | 第27-28页 |
| ·向量空间模型的定义 | 第27页 |
| ·文本相似度计算方法 | 第27-28页 |
| ·SVM(支持向量机)分类算法 | 第28-40页 |
| ·线性可分支持向量机 | 第28-31页 |
| ·线性不可分支持向量机 | 第31-34页 |
| ·非线性支持向量机 | 第34-36页 |
| ·核函数 | 第36-37页 |
| ·支持向量 | 第37页 |
| ·SVM分类器 | 第37-40页 |
| ·主题相关性算法的研究 | 第40-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 实验设计和结果分析 | 第45-59页 |
| ·实验方案设计 | 第45-51页 |
| ·首次爬取算法 | 第45-47页 |
| ·主题分类 | 第47页 |
| ·再次爬取算法 | 第47-51页 |
| ·实验平台设计 | 第51-54页 |
| ·TSE介绍 | 第51-52页 |
| ·TSE主要类、方法及其功能 | 第52-54页 |
| ·主题爬虫的爬取流程 | 第54页 |
| ·实验环境 | 第54-55页 |
| ·评定指标 | 第55-56页 |
| ·实验和结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
