网络数据采集技术的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 本文研究工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 主题网络爬虫关键技术 | 第13-22页 |
| 2.1 主题爬虫原理 | 第13-14页 |
| 2.2 主题爬虫的爬虫策略 | 第14-17页 |
| 2.2.1 基于网页链接关系的爬行策略 | 第15-16页 |
| 2.2.2 基于网页内容的爬行策略 | 第16-17页 |
| 2.3 主题爬虫的关键技术 | 第17-21页 |
| 2.3.1 HTML文档结构解析 | 第17-19页 |
| 2.3.2 分词处理 | 第19-20页 |
| 2.3.3 文本表示模型 | 第20页 |
| 2.3.4 结巴中文分词工具 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 K-近邻和朴素贝叶斯分类器原理及应用 | 第22-34页 |
| 3.1 文本分类 | 第22-23页 |
| 3.2 k-近邻算法原理 | 第23-24页 |
| 3.3 k-近邻算法分类器的构造与测试 | 第24-29页 |
| 3.3.1 读取文本数据 | 第24-25页 |
| 3.3.2 通过结巴分词和特征词提取创建文本向量 | 第25-26页 |
| 3.3.3 求与主题向量的相似度 | 第26-27页 |
| 3.3.4 k-近邻分类器的构造与测试 | 第27-29页 |
| 3.4 朴素贝叶斯分类原理 | 第29-30页 |
| 3.5 朴素贝叶斯算法主题分类器的构造与测试 | 第30-33页 |
| 3.5.1 构建和优化分类器 | 第31-32页 |
| 3.5.2 朴素贝叶斯分类器的最终测试 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 主题爬虫系统设计与实现 | 第34-45页 |
| 4.1 主题爬虫系统设计 | 第34-39页 |
| 4.1.1 Scrapy爬虫框架 | 第34-35页 |
| 4.1.2 主题爬虫系统架构设计 | 第35-36页 |
| 4.1.3 主题爬虫系统类图设计 | 第36-39页 |
| 4.2 主题爬虫系统功能实现 | 第39-44页 |
| 4.2.1 初始化URL | 第40页 |
| 4.2.2 网页采集模块 | 第40-41页 |
| 4.2.3 网页分析模块 | 第41-42页 |
| 4.2.4 爬行控制模块 | 第42-43页 |
| 4.2.5 数据存储模块 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-50页 |
| 5.1 实验的软硬件环境 | 第45页 |
| 5.2 数据库表结构创建 | 第45-46页 |
| 5.3 爬取数据结果展示 | 第46页 |
| 5.4 打印日志信息 | 第46-47页 |
| 5.5 不同训练样本的不同分类器准确率分析 | 第47页 |
| 5.6 不同主题爬取情况结果展示与对比 | 第47-49页 |
| 5.7 不同分类器的主题爬虫系统的效率对比与分析 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 本文总结 | 第50页 |
| 6.2 后续工作的展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第56-57页 |
| 致谢 | 第57页 |
