专业信息定向采集与多维搜索系统
摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第12-16页 |
1.1 课题背景 | 第12-13页 |
1.2 本文主要工作 | 第13-14页 |
1.3 本文组织结构 | 第14-15页 |
1.4 本章小结 | 第15-16页 |
第2章 相关工作综述 | 第16-27页 |
2.1 互联网数据采集 | 第16-20页 |
2.1.1 Scrapy框架 | 第17-18页 |
2.1.2 URL过滤 | 第18-19页 |
2.1.3 正文抽取 | 第19-20页 |
2.2 数据存储与索引 | 第20-22页 |
2.2.1 MongoDB | 第20-21页 |
2.2.2 ElasticSearch | 第21-22页 |
2.3 分布式服务平台 | 第22-23页 |
2.3.1 消息中间件Kafka | 第22页 |
2.3.2 分布式协调ZooKeeper | 第22-23页 |
2.3.3 流式计算Storm | 第23页 |
2.4 全文检索与多维导航 | 第23-26页 |
2.5 本章小节 | 第26-27页 |
第3章 系统总体设计 | 第27-34页 |
3.1 系统设计目标 | 第27页 |
3.2 系统需求分析 | 第27-30页 |
3.2.1 数据采集需求分析 | 第27-29页 |
3.2.2 多维搜索需求分析 | 第29-30页 |
3.3 系统总体设计与架构 | 第30-33页 |
3.3.1 数据采集子系统架构 | 第31-32页 |
3.3.2 多维搜索子系统架构 | 第32-33页 |
3.4 本章小结 | 第33-34页 |
第4章 基于任务调度优化的分布式定向爬虫 | 第34-48页 |
4.1 Chrome Plugin | 第34-36页 |
4.2 Scheduler调度器 | 第36-40页 |
4.2.1 任务调度策略 | 第36-37页 |
4.2.2 全局限流策略 | 第37-39页 |
4.2.3 抓取策略 | 第39-40页 |
4.3 Crawler采集器 | 第40-44页 |
4.3.1 URLs预取策略 | 第40-42页 |
4.3.2 自定义HTTP请求 | 第42-44页 |
4.4 Parser解析器 | 第44-47页 |
4.4.1 任务配置协议 | 第44-46页 |
4.4.2 维护任务配置策略 | 第46-47页 |
4.5 本章小结 | 第47-48页 |
第5章 可视化多维搜索服务系统 | 第48-61页 |
5.1 数据清洗 | 第48-52页 |
5.1.1 文档去噪 | 第48-51页 |
5.1.2 文档去重 | 第51-52页 |
5.2 领域信息抽取 | 第52-54页 |
5.2.1 中文分词 | 第52-53页 |
5.2.2 领域实体抽取 | 第53-54页 |
5.3 多维搜索服务 | 第54-60页 |
5.3.1 专业领域概念体系 | 第54-56页 |
5.3.2 跨主题跨源搜索 | 第56-57页 |
5.3.3 维度聚合查询 | 第57-58页 |
5.3.4 可视化搜索 | 第58-60页 |
5.4 本章小结 | 第60-61页 |
第6章 系统实现与应用 | 第61-70页 |
6.1 分布式爬虫服务 | 第61-62页 |
6.2 多维搜索服务 | 第62-63页 |
6.3 系统扩展性与性能评测 | 第63-66页 |
6.3.1 系统扩展性分析 | 第63-64页 |
6.3.2 系统相关测试 | 第64-66页 |
6.4 系统应用 | 第66-69页 |
6.4.1 分布式爬虫服务应用 | 第66-67页 |
6.4.2 多维搜索服务系统应用 | 第67-69页 |
6.5 本章小结 | 第69-70页 |
第7章 总结与展望 | 第70-72页 |
7.1 全文总结 | 第70-71页 |
7.2 未来展望 | 第71-72页 |
参考文献 | 第72-75页 |
攻读硕士学位期间主要的研究成果 | 第75-76页 |
致谢 | 第76-77页 |