| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究的背景 | 第10-11页 |
| 1.1.2 研究的意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 搜索引擎的研究现状 | 第11-12页 |
| 1.2.2 分布式计算研究现状 | 第12-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 论文的组织 | 第14-16页 |
| 第二章 关键技术理论 | 第16-24页 |
| 2.1 搜索引擎相关技术 | 第16-17页 |
| 2.2 数据采集 | 第17页 |
| 2.3 数据预处理 | 第17-18页 |
| 2.4 聚类分析概述 | 第18页 |
| 2.5 经典聚类算法 | 第18-23页 |
| 2.5.1 K-means算法和其改进 | 第19-20页 |
| 2.5.2 Canopy-Kmeans算法和其改进 | 第20-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 分布式聚类搜索引擎需求分析 | 第24-29页 |
| 3.1 系统设计原则及整体需求 | 第24-25页 |
| 3.1.1 设计原则 | 第24页 |
| 3.1.2 系统整体需求 | 第24-25页 |
| 3.2 详细需求分析 | 第25-28页 |
| 3.2.1 业务需求分析 | 第25-26页 |
| 3.2.2 功能需求分析 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 分布式聚类搜索引擎的设计 | 第29-52页 |
| 4.1 总体功能设计 | 第29页 |
| 4.2 系统技术框架设计 | 第29-31页 |
| 4.3 信息采集模块设计 | 第31-34页 |
| 4.4 信息预处理模块设计 | 第34-37页 |
| 4.5 分布式聚类算法设计 | 第37-45页 |
| 4.5.1 K-means算法步骤设计 | 第39-41页 |
| 4.5.2 K-means的MapReduce模式设计 | 第41-42页 |
| 4.5.3 Canopy算法的步骤设计 | 第42-44页 |
| 4.5.4 Canopy-Kmeans的MapReduce模式设计 | 第44-45页 |
| 4.6 搜索聚类模块设计 | 第45-49页 |
| 4.7 搜索结果展示模块设计 | 第49-51页 |
| 4.8 本章小结 | 第51-52页 |
| 第五章 分布式聚类搜索引擎的实现 | 第52-72页 |
| 5.1 分布式集群环境 | 第52-54页 |
| 5.2 注册登录模块实现 | 第54-58页 |
| 5.3 信息采集模块实现 | 第58-63页 |
| 5.4 信息预处理模块实现 | 第63-65页 |
| 5.5 Canopy-Kmeans算法并行化实现 | 第65-70页 |
| 5.6 搜索结果展示模块实现 | 第70-71页 |
| 5.7 本章小结 | 第71-72页 |
| 第六章 聚类引擎系统测试及算法测试 | 第72-77页 |
| 6.1 测试环境和测试数据 | 第72页 |
| 6.2 聚类引擎系统测试 | 第72-74页 |
| 6.3 聚类算法性能测试 | 第74-76页 |
| 6.4 本章小结 | 第76-77页 |
| 第七章 总结与展望 | 第77-78页 |
| 7.1 总结 | 第77页 |
| 7.2 展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
