首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于网页分块的主题爬虫技术研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第8-12页
    1.1 选题背景及意义第8页
    1.2 国内外研究现状及发展趋势第8-10页
    1.3 本文的主要研究内容第10页
    1.4 本文的组织结构第10-12页
第二章 网络爬虫概述第12-22页
    2.1 通用网络爬虫第12-14页
        2.1.1 通用爬虫的工作原理第12-13页
        2.1.2 通用爬虫爬行策略第13-14页
    2.2 主题网络爬虫第14-20页
        2.2.1 主题爬虫的工作原理第14-15页
        2.2.2 主题爬虫搜索策略第15-20页
    2.3 通用爬虫与主题爬虫对比第20-21页
        2.3.1 通用爬虫存在的问题第20页
        2.3.2 主题爬虫存在的问题第20-21页
    2.4 本章小结第21-22页
第三章 主题爬虫关键技术研究第22-33页
    3.1 HTML语法分析第22-23页
    3.2 网页预处理第23-26页
        3.2.1 网页规范化第23-24页
        3.2.2 构建DOM树第24-26页
    3.3 主题描述方法第26-27页
    3.4 主题相关性判断第27-28页
    3.5 特征词加权第28-29页
    3.6 网页分块第29-32页
        3.6.1 基于标签树的网页分块第30-31页
        3.6.2 基于可视化信息的网页分块第31-32页
    3.7 本章小结第32-33页
第四章 基于标签属性和视觉信息的主题相关块提取第33-39页
    4.1 初步分块原理第33-35页
        4.1.1 结构标签分析第33页
        4.1.2 视觉信息提取第33-34页
        4.1.3 分块粒度控制第34-35页
    4.2 内容块分类第35-36页
    4.3 主题文本块提取算法第36-38页
    4.4 本章小结第38-39页
第五章 引入主题链接块权重因子的候选链接搜索策略第39-43页
    5.1 Shark-Search算法第39-40页
    5.2 主题链接块提取第40-41页
        5.2.1 主题链接块特征第40页
        5.2.2 提取规则第40-41页
    5.3 改进搜索策略描述第41-42页
    5.4 本章小结第42-43页
第六章 实验分析第43-50页
    6.1 系统架构与实验环境第43-44页
    6.2 参数设置第44-45页
    6.3 评价指标第45-46页
    6.4 实验结果分析第46-49页
        6.4.1 查准率和信息量对比第46-47页
        6.4.2 主题漂移率对比第47-49页
    6.5 本章小结第49-50页
第七章 总结与展望第50-51页
参考文献第51-54页
攻读硕士期间发表的学术论文和科研成果第54-55页
致谢第55页

论文共55页,点击 下载论文
上一篇:低活化铁素体马氏体钢焊接模拟与实验研究
下一篇:采煤沉陷区河湖连通与水生态模式构建综合技术研究