基于主题的搜索引擎的研究与实现
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-12页 |
| 1 引言 | 第12-15页 |
| ·搜索引擎及其发展现状 | 第12-13页 |
| ·基于主题的搜索引擎简介 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文内容的组织 | 第14-15页 |
| 2 基于主题的搜索引擎架构设计 | 第15-20页 |
| ·通用搜索引擎架构介绍 | 第15-16页 |
| ·通用搜索引擎架构的局限性 | 第16页 |
| ·基于主题的搜索引擎架构设计 | 第16-17页 |
| ·核心模块介绍 | 第17-19页 |
| ·基于主题的Web信息抓取 | 第17-18页 |
| ·基于规则的中文分词模块 | 第18-19页 |
| ·文档的索引与存储模块 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 中文分词算法的研究与实现 | 第20-29页 |
| ·分词技术概述 | 第20页 |
| ·传统的中文分词方法 | 第20-21页 |
| ·基于字符串匹配的分词算法 | 第20-21页 |
| ·基于理解的分词算法 | 第21页 |
| ·基于统计的分词算法 | 第21页 |
| ·传统的中文分词面临的主要问题 | 第21-22页 |
| ·基于规则的中文分词算法 | 第22-27页 |
| ·构建分词系统的主要工作 | 第22页 |
| ·文本预处理 | 第22-23页 |
| ·词典结构设计 | 第23-24页 |
| ·分词规则 | 第24-26页 |
| ·未登陆词的识别 | 第26-27页 |
| ·分词流程 | 第27页 |
| ·实验结果及算法优势 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 基于主题的Web信息抓取 | 第29-40页 |
| ·传统Web信息抓取方法 | 第30-31页 |
| ·传统Web信息抓取存在的问题 | 第31-32页 |
| ·动态Web信息抓取技术 | 第32-34页 |
| ·主题的定义 | 第34页 |
| ·基于主题的Web信息抓取技术 | 第34-39页 |
| ·URL Provider | 第34-35页 |
| ·Link表结构设计 | 第35-36页 |
| ·主题(Topic)表结构设计 | 第36-37页 |
| ·基于主题信息抓取的实现 | 第37页 |
| ·基于主题的信息抓取流程 | 第37-38页 |
| ·关于字符集 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 5 Web内容的存储与索引设计 | 第40-60页 |
| ·B+树索引的结构 | 第40页 |
| ·基于B+树的文档索引的设计 | 第40-42页 |
| ·B+树索引内部块设计 | 第41页 |
| ·B+树索引叶子块设计 | 第41-42页 |
| ·文档内容的存储 | 第42页 |
| ·使用B+树组织和存储索引 | 第42-44页 |
| ·文档的加入过程 | 第42-43页 |
| ·处理文档查询 | 第43-44页 |
| ·全文检索与倒排索引 | 第44-47页 |
| ·全文检索的概念 | 第44-45页 |
| ·倒排索引的概念 | 第45-46页 |
| ·倒排索引设计和存储 | 第46-47页 |
| ·与CLucene结合 | 第47-59页 |
| ·CLucene简介 | 第47-48页 |
| ·CLucene索引实现机制 | 第48-51页 |
| ·结合CLucene实现文档存储与索引 | 第51页 |
| ·在CLucene中加入自己的分词算法 | 第51-55页 |
| ·索引文档 | 第55-57页 |
| ·检索索引 | 第57-59页 |
| ·CLucene小结 | 第59页 |
| ·本章小结 | 第59-60页 |
| 6 结论 | 第60-61页 |
| 参考文献 | 第61-62页 |
| 作者简历 | 第62-64页 |
| 学位论文数据集 | 第64页 |
