基于网页挖掘的搜索引擎若干技术的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-14页 |
| ·课题背景 | 第7-8页 |
| ·网页挖掘内容 | 第8-11页 |
| ·时间信息挖掘 | 第10页 |
| ·结构信息挖掘 | 第10-11页 |
| ·指纹信息挖掘 | 第11页 |
| ·本文研究的内容 | 第11-14页 |
| ·本文的组织 | 第11-12页 |
| ·研究的意义 | 第12-14页 |
| 第2章 基于时间挖掘的增量信息采集技术 | 第14-27页 |
| ·信息采集技术 | 第14-20页 |
| ·总体的框架 | 第14-16页 |
| ·信息采集技术中若干问题的分析 | 第16-20页 |
| ·实验结果及分析 | 第20页 |
| ·增量采集技术 | 第20-26页 |
| ·增量采集技术的理论基础 | 第21-22页 |
| ·面向新闻搜索的基于时间挖掘的增量下载技术 | 第22-25页 |
| ·实验结果及分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于结构信息挖掘的网页净化技术 | 第27-34页 |
| ·网页分析的方法 | 第27-28页 |
| ·中文标点符号在网页的布局 | 第28-29页 |
| ·结构信息挖掘与中文标点符号数相结合的网页净化 | 第29-32页 |
| ·识别正文网页与导航网页 | 第29-30页 |
| ·结构信息挖掘与中文标点符号数相结合的网页净化 | 第30-32页 |
| ·实验结果及分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于指纹信息挖掘的网页去重技术 | 第34-42页 |
| ·自然语言文本去重 | 第34-35页 |
| ·网页去重 | 第35-39页 |
| ·去重方法的选择 | 第36-37页 |
| ·指纹信息的选择 | 第37-38页 |
| ·基于网页净化的去重算法 | 第38-39页 |
| ·实验结果及分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 去重思想在变异短文本聚类中的应用 | 第42-53页 |
| ·变异短文本的概念 | 第42-43页 |
| ·一般聚类算法 | 第43-44页 |
| ·一般的聚类算法 | 第43-44页 |
| ·一般聚类算法失效 | 第44页 |
| ·面向大规模短文本快速聚类算法 | 第44-47页 |
| ·短文本规范化 | 第44-45页 |
| ·特征选择 | 第45-46页 |
| ·压缩编码 | 第46页 |
| ·建立检索系统查找匹配 | 第46-47页 |
| ·算法分析 | 第47-48页 |
| ·算法的正确性分析 | 第47-48页 |
| ·算法的效率分析 | 第48页 |
| ·实验结果及分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 哈尔滨工业大学硕士学位论文原创性声明 | 第59-60页 |
| 哈尔滨工业大学硕士学位论文使用授权书 | 第60页 |
| 哈尔滨工业大学硕士学位涉密论文管理 | 第60-61页 |
| 致谢 | 第61页 |
