| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-16页 |
| 1.1.1 网络舆情 | 第14-15页 |
| 1.1.2 教育舆情 | 第15-16页 |
| 1.2 研究现状 | 第16-18页 |
| 1.3 研究内容 | 第18-20页 |
| 第2章 主题网络爬虫相关知识 | 第20-34页 |
| 2.1 搜索引擎 | 第20-23页 |
| 2.1.1 搜索引擎的概念 | 第20-21页 |
| 2.1.2 搜索引擎的分类 | 第21-22页 |
| 2.1.3 搜索引擎的工作原理 | 第22-23页 |
| 2.2 相关技术 | 第23-29页 |
| 2.2.1 云计算平台 | 第23-25页 |
| 2.2.2 并行计算 | 第25-27页 |
| 2.2.3 虚拟化技术 | 第27-28页 |
| 2.2.4 Robots协议 | 第28-29页 |
| 2.3 主题网络爬虫 | 第29-34页 |
| 2.3.1 主题网络爬虫概述 | 第29-32页 |
| 2.3.2 主题网络爬虫组成结构 | 第32-33页 |
| 2.3.3 主题网络爬虫分类 | 第33-34页 |
| 2.4 本章小结 | 第34页 |
| 第3章 一种基于云平台的教育主题搜索算法分析与改进 | 第34-53页 |
| 3.1 传统主题网络爬虫搜索算法分析 | 第34-40页 |
| 3.1.1 基于深度优先搜索算法 | 第35页 |
| 3.1.2 基于广度优先搜索算法 | 第35-36页 |
| 3.1.3 基于最佳优先搜索算法 | 第36-40页 |
| 3.2 基于云平台的教育主题搜索算法分析与改进 | 第40-50页 |
| 3.2.1 云平台下的搜索模型分析 | 第40-41页 |
| 3.2.2 云平台下的搜索任务调度算法分析与改进 | 第41-44页 |
| 3.2.3 基于云平台的教育主题搜索算法分析与改进 | 第44-50页 |
| 3.3 改进后搜索算法的性能比较 | 第50-52页 |
| 3.3.1 改进后搜索算法采集网页能力比较分析 | 第50-51页 |
| 3.3.2 改进后搜索算法性能比较分析 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 面向教育舆情主题网络爬虫系统的设计与实现 | 第53-68页 |
| 4.1 开发运行环境简介 | 第53-57页 |
| 4.1.1 Embarcadero Delphi XE7介绍 | 第53-54页 |
| 4.1.2 Microsoft SQL Server 2012介绍 | 第54-56页 |
| 4.1.3 Windows Azure云计算平台介绍及搭建 | 第56-57页 |
| 4.2 系统目标与需求分析 | 第57-59页 |
| 4.2.1 系统目标 | 第57-58页 |
| 4.2.2 系统需求分析 | 第58-59页 |
| 4.3 系统总体设计 | 第59-62页 |
| 4.3.1 系统模块设计 | 第59-61页 |
| 4.3.2 系统流程设计 | 第61-62页 |
| 4.4 基于云平台的教育主题搜索算法的实现 | 第62-65页 |
| 4.4.1 云平台下的搜索任务调度算法实现 | 第62-64页 |
| 4.4.2 向量空间模型算法实现 | 第64-65页 |
| 4.5 基于贝叶斯分类算法的教育主题识别的实现 | 第65-67页 |
| 4.5.1 贝叶斯分类算法实现流程 | 第65页 |
| 4.5.2 贝叶斯分类算法部分函数实现 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 系统测试和实验数据分析 | 第68-76页 |
| 5.1 系统测试环境 | 第68-69页 |
| 5.2 系统测试理论知识 | 第69-70页 |
| 5.3 系统测试结果及分析 | 第70-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第6章 结束语 | 第76-77页 |
| 6.1 工作总结 | 第76页 |
| 6.2 问题与展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 作者攻读学位期间的科研成果 | 第82-83页 |
| 致谢 | 第83页 |
