基于Lucene的产品比价搜索系统的研究与设计
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·搜索引擎发展历史 | 第10-11页 |
| ·垂直搜索引擎的特征及其关键技术 | 第11-13页 |
| ·垂直搜索引擎的特征 | 第11-12页 |
| ·垂直搜索引擎的关键技术 | 第12-13页 |
| ·研究的背景与意义 | 第13-14页 |
| ·研究的背景 | 第13页 |
| ·研究的意义 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文的研究工作以及组织结构 | 第15-17页 |
| 第二章 系统实现的核心技术 | 第17-27页 |
| ·网络爬虫 | 第17-21页 |
| ·爬虫抓取策略 | 第17-19页 |
| ·网络爬虫的基本结构 | 第19-20页 |
| ·垂直爬虫的架构 | 第20-21页 |
| ·页面解析技术 | 第21-24页 |
| ·HTML 介绍 | 第22页 |
| ·使用 HTMLParser 抽取网页中的内容 | 第22-24页 |
| ·使用 Lucene 进行索引与搜索 | 第24-26页 |
| ·Lucene 建立索引 | 第25页 |
| ·Lucene 进行搜索 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 中文分词的研究 | 第27-46页 |
| ·中文分词常用的方法 | 第27-33页 |
| ·字符串匹配法 | 第27-32页 |
| ·基于统计的分词法 | 第32-33页 |
| ·Lucene 自带的分词算法 | 第33-35页 |
| ·Lucene 切分原理 | 第33-34页 |
| ·Token Stream 剖析 | 第34页 |
| ·Lucene 中文分词的研究 | 第34-35页 |
| ·中文分词的难点与解决方法 | 第35-37页 |
| ·中文分词的难点 | 第35-36页 |
| ·解决方法 | 第36-37页 |
| ·改进的正向匹配算法 | 第37-41页 |
| ·具体的算法描述如下 | 第38页 |
| ·实验分析 | 第38-41页 |
| ·拼写检查技术 | 第41-45页 |
| ·技术实现 | 第41-43页 |
| ·编辑距离技术 | 第43-45页 |
| ·本章总结 | 第45-46页 |
| 第四章 产品比价搜索系统的实现 | 第46-62页 |
| ·网页的抓取与解析 | 第47-52页 |
| ·使用 Heritrix 进行网页抓取 | 第47-50页 |
| ·使用 HTMLParser 提取网页中的内容 | 第50-52页 |
| ·系统的实现 | 第52-61页 |
| ·系统设计目标 | 第52-53页 |
| ·各模块的实现 | 第53-58页 |
| ·系统运行 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·本文总结 | 第62页 |
| ·工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第68页 |
