智能Web广告爬虫系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 广告爬虫研究现状 | 第9-13页 |
| 1.2.1 爬虫技术研究现状 | 第9-11页 |
| 1.2.2 网页分块技术研究现状 | 第11-12页 |
| 1.2.3 国内外研究现状总结 | 第12-13页 |
| 1.3 课题研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 WEB 广告爬虫的相关知识 | 第15-28页 |
| 2.1 Web 广告及其投放技术 | 第15-18页 |
| 2.1.1 Web 广告 | 第15-17页 |
| 2.1.2 Web 广告投放技术 | 第17-18页 |
| 2.2 网络爬虫 | 第18-21页 |
| 2.2.1 通用 Web 爬虫 | 第19-20页 |
| 2.2.2 聚焦 Web 爬虫 | 第20-21页 |
| 2.2.3 Deep Web 爬虫 | 第21页 |
| 2.3 爬行策略 | 第21-24页 |
| 2.3.1 广度优先策略 | 第23页 |
| 2.3.2 深度优先策略 | 第23-24页 |
| 2.3.3 最佳优先策略 | 第24页 |
| 2.4 网页分块算法 | 第24-26页 |
| 2.5 评价指标及分析 | 第26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 WEB 广告爬行策略研究 | 第28-37页 |
| 3.1 爬行策略分析 | 第28-30页 |
| 3.2 面向 Web 广告的爬行策略与算法 | 第30-32页 |
| 3.2.1 页面权重分析 | 第30-31页 |
| 3.2.2 链接权重分析 | 第31-32页 |
| 3.2.3 Web 广告爬虫算法 | 第32页 |
| 3.3 实验环境与数据准备 | 第32页 |
| 3.4 爬行策略实验与分析 | 第32-36页 |
| 3.4.1 广度优先策略实验 | 第33页 |
| 3.4.2 深度优先策略实验 | 第33-34页 |
| 3.4.3 最佳优先策略实验 | 第34-35页 |
| 3.4.4 实验结果分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 WEB 广告信息抽取方法研究 | 第37-49页 |
| 4.1 Web 广告分析 | 第37-39页 |
| 4.2 Web 广告信息抽取方法 | 第39-45页 |
| 4.2.1 页面分块算法 | 第39-42页 |
| 4.2.2 Web 广告块特征分析 | 第42-44页 |
| 4.2.3 Web 广告抽取算法 | 第44-45页 |
| 4.3 实验环境与数据准备 | 第45页 |
| 4.4 Web 广告抽取实验与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 智能 WEB 广告爬虫系统 | 第49-55页 |
| 5.1 系统功能与开发环境 | 第49页 |
| 5.2 系统总体设计 | 第49-51页 |
| 5.3 系统模块详细设计 | 第51-54页 |
| 5.3.1 爬行策略模块设计 | 第51-52页 |
| 5.3.2 信息抽取模块设计 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-62页 |
| 致谢 | 第62页 |
