基于非结构化招聘信息的采集与清洗系统
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 现状分析 | 第12-14页 |
| 1.2.1 数据爬虫现状 | 第12-13页 |
| 1.2.2 数据清洗现状 | 第13-14页 |
| 1.3 本文的创新点 | 第14页 |
| 1.4 主要研究内容 | 第14-15页 |
| 1.5 论文的工作及章节安排 | 第15-17页 |
| 第二章 基于Scrapy框架数据采集 | 第17-32页 |
| 2.1 网络爬虫技术 | 第17-21页 |
| 2.1.1 网络爬虫介绍 | 第17-18页 |
| 2.1.2 网络爬虫分类 | 第18-21页 |
| 2.2 Scrapy框架 | 第21-25页 |
| 2.2.1 Scrapy框架架构 | 第22-23页 |
| 2.2.2 Scrapy数据流程 | 第23-25页 |
| 2.3 数据采集 | 第25-31页 |
| 2.3.1 抓取URL | 第26-28页 |
| 2.3.2 获取网页信息 | 第28-29页 |
| 2.3.3 数据存储 | 第29-31页 |
| 2.4 本章总结 | 第31-32页 |
| 第三章 基于AC算法数据提取 | 第32-43页 |
| 3.1 AC算法 | 第32-41页 |
| 3.1.1 预处理阶段 | 第32-38页 |
| 3.1.2 字符串匹配阶段 | 第38-41页 |
| 3.2 关键字提取 | 第41-42页 |
| 3.2.1 数据整理阶段 | 第41-42页 |
| 3.2.2 匹配阶段 | 第42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 基于改进的Skyline算法数据清洗 | 第43-58页 |
| 4.1 Skyline算法 | 第43-46页 |
| 4.1.1 Skyline算法概述 | 第43-44页 |
| 4.1.2 Skyline算法分类 | 第44-45页 |
| 4.1.3 Skyline算法特点 | 第45-46页 |
| 4.2 基本Skyline算法 | 第46-48页 |
| 4.2.1 基本Skyline算法定义 | 第46-47页 |
| 4.2.2 基本Skyline算法实现 | 第47-48页 |
| 4.3 改进Skyline算法 | 第48-52页 |
| 4.3.1 改进思想 | 第48-49页 |
| 4.3.2 可行性计算 | 第49-51页 |
| 4.3.3 改进Skline算法实现 | 第51-52页 |
| 4.4 数据清洗 | 第52-56页 |
| 4.4.1 数据预处理 | 第52-54页 |
| 4.4.2 数据处理 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 系统测试与统计 | 第58-70页 |
| 5.1 功能测试 | 第58-63页 |
| 5.1.1 数据采集的测试 | 第58-61页 |
| 5.1.2 AC算法数据提取的测试 | 第61-62页 |
| 5.1.3 Skyline算法数据清洗的测试 | 第62-63页 |
| 5.2 二维统计图 | 第63-69页 |
| 5.2.1 平均工资对比 | 第63-64页 |
| 5.2.2 城市职位需求 | 第64-67页 |
| 5.2.3 城市平均薪资 | 第67-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
