垂直搜索引擎网络爬虫的研究与设计
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 项目背景 | 第10-11页 |
| 1.2 通用搜索引擎的发展历史 | 第11-12页 |
| 1.3 垂直搜索引擎简介 | 第12-15页 |
| 1.3.1 垂直搜索引擎的发展和现状 | 第12-13页 |
| 1.3.2 垂直搜索引擎需求与分析 | 第13-15页 |
| 1.4 本文的主要成果及章节安排 | 第15-17页 |
| 第二章 相关技术研究综述 | 第17-25页 |
| 2.1 搜索引擎的原理及流程 | 第17-18页 |
| 2.2 网络爬虫抓取策略 | 第18-20页 |
| 2.3 主题判断的研究现状 | 第20-23页 |
| 2.3.1 检索模型简介 | 第20-21页 |
| 2.3.2 布尔模型 | 第21-22页 |
| 2.3.3 向量空间模型 | 第22-23页 |
| 2.4 ROBOTS协议 | 第23-24页 |
| 2.5 开发环境 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 垂直搜索引擎的研究与设计 | 第25-40页 |
| 3.1 垂直搜索引擎的总体框架设计 | 第25-27页 |
| 3.2 网页结构化信息抽取的设计 | 第27-32页 |
| 3.2.1 Web信息抽取技术的分析 | 第27-28页 |
| 3.2.2 网页抽取模块的实现 | 第28-32页 |
| 3.3 中文分词模块的设计 | 第32-34页 |
| 3.3.1 分词模型的分析 | 第32-33页 |
| 3.3.2 中文分词模块的实现 | 第33-34页 |
| 3.4 URL判重模块的研究和实现 | 第34-35页 |
| 3.5 搜索引擎索引的设计 | 第35-39页 |
| 3.5.1 倒排索引基本原理 | 第35-38页 |
| 3.5.2 倒排索引的建立 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 面向博客领域的垂直搜索引擎的研究与设计 | 第40-60页 |
| 4.1 总体框架设计 | 第40-42页 |
| 4.2 各子系统的设计与实现 | 第42-57页 |
| 4.2.1 改进的网络爬虫抓取的实现 | 第42-46页 |
| 4.2.2 博客正文抽取的设计和实现 | 第46-47页 |
| 4.2.3 网页排序的研究和设计 | 第47-52页 |
| 4.2.4 网页去重的原理和实现 | 第52-54页 |
| 4.2.5 数据存储和缓存系统模块的设计 | 第54-57页 |
| 4.3 实验结果 | 第57-59页 |
| 4.4 总结 | 第59-60页 |
| 第五章 结束语 | 第60-62页 |
| 5.1 论文工作总结 | 第60-61页 |
| 5.2 问题和展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
