| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景和目的 | 第11-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 本文主要工作及文章组织结构 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-27页 |
| 2.1 本体论及其应用 | 第16-20页 |
| 2.1.1 本体定义 | 第16-17页 |
| 2.1.2 本体分类 | 第17-18页 |
| 2.1.3 领域本体的构建 | 第18-19页 |
| 2.1.4 本体应用 | 第19-20页 |
| 2.2 主题爬行技术 | 第20-22页 |
| 2.2.1 主题爬行概念 | 第20页 |
| 2.2.2 主题爬行原理 | 第20-22页 |
| 2.3 中文分词技术 | 第22-26页 |
| 2.3.1 中文分词技术概述 | 第22页 |
| 2.3.2 中文分词算法分类 | 第22-25页 |
| 2.3.3 常见的中文分词开源项目 | 第25-26页 |
| 2.4 总结 | 第26-27页 |
| 第3章 基于本体的主题爬虫 | 第27-44页 |
| 3.1 训练集特征向量提取及(HTF-DF)模型 | 第27-29页 |
| 3.1.1 TF-IDF模型的不足 | 第27页 |
| 3.1.2 基于HTF-DF模型的网页特征向量抽取 | 第27-29页 |
| 3.2 基于本体的网页分类器 | 第29-40页 |
| 3.2.1 文档分类概念 | 第29-30页 |
| 3.2.2 文档分类算法 | 第30-33页 |
| 3.2.3 文档分类过程 | 第33-34页 |
| 3.2.4 向量空间中的余弦公式 | 第34-35页 |
| 3.2.5 基于领域本体的特征向量相似度计算模型OSCM | 第35-40页 |
| 3.3 基于领域本体的主题爬虫的设计与实现 | 第40-41页 |
| 3.4 实验方法与结果 | 第41-43页 |
| 3.5 总结 | 第43-44页 |
| 第4章 基于本体的主题搜索引擎的设计与实现 | 第44-55页 |
| 4.1 主题爬虫模块设计与实现 | 第45-48页 |
| 4.1.1 爬虫工作流程 | 第45-47页 |
| 4.1.2 主题爬虫各模块功能介绍 | 第47-48页 |
| 4.2 领域本体的构建及OSCM模型的实现 | 第48-50页 |
| 4.2.1 领域本体的构建 | 第48-49页 |
| 4.2.2 基于本体的相似度计算模型OSCM的实现 | 第49-50页 |
| 4.3 索引与查询模块 | 第50-52页 |
| 4.3.1 基于Lucene的索引模块 | 第50-51页 |
| 4.3.2 基于Lucene的查询模块 | 第51-52页 |
| 4.4 实验方法与结果 | 第52-55页 |
| 4.4.1 建立索引 | 第52-53页 |
| 4.4.2 搜索文档 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
