动态自适应的资源采集系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景和意义 | 第13-17页 |
| 1.1.1 网络情况对资源采集的影响 | 第14-15页 |
| 1.1.2 链接资源的发现与分布 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 大规模网页资源采集的影响因素 | 第18-19页 |
| 1.2.2 搜索引擎对动态链接的收录 | 第19-20页 |
| 1.3 主要研究工作和内容 | 第20-21页 |
| 1.4 论文组织结构 | 第21-22页 |
| 第二章 相关理论知识 | 第22-32页 |
| 2.1 搜索引擎的基本原理 | 第22-23页 |
| 2.1.1 搜索引擎简介 | 第22-23页 |
| 2.1.2 搜索引擎的工作原理 | 第23页 |
| 2.2 信息采集的基本原理 | 第23-28页 |
| 2.2.1 URL 库 | 第24页 |
| 2.2.2 遵守 Robots 协议 | 第24页 |
| 2.2.3 搜索策略 | 第24-26页 |
| 2.2.4 网页下载 | 第26-27页 |
| 2.2.5 网页解析 | 第27页 |
| 2.2.6 URL 消重 | 第27-28页 |
| 2.2.7 URL 调度 | 第28页 |
| 2.3 网页 URL 的编码 | 第28-29页 |
| 2.4 网页的编码技术 | 第29-30页 |
| 2.5 网页解析 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 动态自适应的资源采集系统的总体设计 | 第32-46页 |
| 3.1 系统的设计目标 | 第32-33页 |
| 3.2 系统的体系结构 | 第33-34页 |
| 3.3 系统的模块组成 | 第34-36页 |
| 3.4 系统的工作流程 | 第36-39页 |
| 3.5 动态自适应采集策略 | 第39-45页 |
| 3.5.1 基于启发式的实时过滤 | 第39-41页 |
| 3.5.2 基于 URL 特征的网页资源预测发现 | 第41-42页 |
| 3.5.3 相关算法描述 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 系统的设计与实现 | 第46-65页 |
| 4.1 实时过滤的网页下载模块 | 第46-54页 |
| 4.1.1 网页下载 | 第46-48页 |
| 4.1.2 网页采集情况实时统计模块 | 第48-52页 |
| 4.1.3 实时过滤模块 | 第52-54页 |
| 4.2 网页解析之 URL 抽取 | 第54-57页 |
| 4.2.1 URL 抽取结果的聚类 | 第55-56页 |
| 4.2.2 URL 抽取结果的分类 | 第56-57页 |
| 4.3 URL 过滤模块 | 第57页 |
| 4.4 URL 消重模块 | 第57-58页 |
| 4.5 URL 分析预测模块 | 第58-63页 |
| 4.5.1 挖掘已采集信息的 URL 参数特征 | 第58-60页 |
| 4.5.2 URL 预测的方法及实现机制 | 第60-63页 |
| 4.6 URL 调度模块 | 第63-64页 |
| 4.7 本章小结 | 第64-65页 |
| 第五章 系统测试及分析 | 第65-79页 |
| 5.1 系统测试环境 | 第65页 |
| 5.2 系统的运行 | 第65-66页 |
| 5.3 实时过滤的采集测试 | 第66-72页 |
| 5.3.1 评估方法 | 第67-68页 |
| 5.3.2 测试数据 | 第68-71页 |
| 5.3.3 结果分析 | 第71-72页 |
| 5.4 URL 预测方法的效果测试 | 第72-78页 |
| 5.4.1 评估方法 | 第72页 |
| 5.4.2 测试数据 | 第72-78页 |
| 5.4.3 结果分析 | 第78页 |
| 5.5 系统的整体分析 | 第78页 |
| 5.6 本章小结 | 第78-79页 |
| 总结与展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |
