| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究的背景 | 第8-9页 |
| ·目前国内外的研究状况 | 第9-11页 |
| ·CORA | 第9-10页 |
| ·IBM Focused Crawler | 第10页 |
| ·Context Graphs Focused Crawler | 第10-11页 |
| ·论文相关工作 | 第11-12页 |
| ·论文的安排 | 第12-14页 |
| 第二章 相关理论与技术 | 第14-24页 |
| ·搜索引擎理论与技术 | 第14-20页 |
| ·搜索引擎的概念 | 第14页 |
| ·搜索引擎的发展简史 | 第14-17页 |
| ·搜索引擎的分类 | 第17页 |
| ·搜索引擎技术简介 | 第17-19页 |
| ·搜索引擎的系统结构 | 第19-20页 |
| ·HTTP 协议 | 第20-24页 |
| ·HTTP 协议概述 | 第20页 |
| ·HTTP 报文类型 | 第20-21页 |
| ·HTTP 报文首部字段 | 第21-22页 |
| ·HTTP 的响应代码 | 第22-24页 |
| 第三章 面向主题资源的网络爬虫体系结构设计 | 第24-32页 |
| ·通用网络爬虫工作原理及体系结构 | 第24-26页 |
| ·通用网络爬虫的工作原理 | 第24-25页 |
| ·通用网络爬虫体系结构 | 第25-26页 |
| ·主题网络爬虫工作原理及体系结构 | 第26-32页 |
| ·主题爬虫的概述 | 第26-28页 |
| ·主题爬虫工作原理 | 第28-29页 |
| ·主题爬虫的体系结构 | 第29-30页 |
| ·主题相关度和重要度判定模块的设计 | 第30-32页 |
| 第四章 主题相关性判定关键算法研究与设计 | 第32-44页 |
| ·引言 | 第32页 |
| ·基于网络拓扑的算法分析研究 | 第32-34页 |
| ·PageRank 算法 | 第32-33页 |
| ·HITS 算法 | 第33-34页 |
| ·算法使用分析 | 第34页 |
| ·基于网页内容的算法分析研究 | 第34-36页 |
| ·纯文本分类与聚类算法 | 第34-35页 |
| ·超文本分类和聚类算法 | 第35-36页 |
| ·算法使用分析 | 第36页 |
| ·基于领域概念定制的网页评价算法的设计 | 第36-44页 |
| ·主题对象确立模块算法设计 | 第37-38页 |
| ·初始种子优化模块算法设计 | 第38-39页 |
| ·主题相关度分析模块算法设计 | 第39-41页 |
| ·链接重要度分析模块算法设计 | 第41-44页 |
| 第五章 主题网络爬虫系统的实现 | 第44-56页 |
| ·引言 | 第44页 |
| ·主题爬虫系统的实现 | 第44-50页 |
| ·主要的C++类和数据结构 | 第44-47页 |
| ·页面文本信息抽取算法实现 | 第47-48页 |
| ·页面相关度判定算法实现 | 第48-50页 |
| ·实验研究 | 第50-56页 |
| ·试验环境 | 第50页 |
| ·主题爬虫系统运行情况 | 第50-51页 |
| ·测试结果 | 第51-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·论文工作的总结 | 第56-57页 |
| ·下一步工作的展望 | 第57-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者在读期间的研究成果 | 第64页 |