| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 引言 | 第7-9页 |
| 一 主题搜索引擎综述 | 第9-23页 |
| ·主题搜索引擎的概念 | 第9-11页 |
| ·用户主题的描述和网页分类器的设计 | 第11-14页 |
| ·用户主题的描述方式 | 第12-13页 |
| ·网页分类器的设计 | 第13-14页 |
| ·主题搜索引擎启发函数的设计 | 第14-18页 |
| ·主题搜索引擎中的穿越隧道问题 | 第18-23页 |
| ·样例驱动的主题爬行器 | 第18-19页 |
| ·上下文图主题爬行器 | 第19-21页 |
| ·Cora爬行器 | 第21-23页 |
| 二 本文主题搜索引擎的体系结构 | 第23-33页 |
| ·面向对象设计 | 第23-25页 |
| ·设计模式 | 第25-30页 |
| ·Wrapper Facade模式 | 第25-27页 |
| ·Scoped Locking模式 | 第27-28页 |
| ·Command模式 | 第28-30页 |
| ·FRONTIER和消息队列的设计 | 第30-33页 |
| 三 高性能爬行器(Crawler)的实现 | 第33-46页 |
| ·相关工作 | 第33-34页 |
| ·性能瓶颈分析 | 第34-38页 |
| ·网络通信延迟 | 第36页 |
| ·礼貌(politeness)爬行问题 | 第36-37页 |
| ·域名解析 | 第37-38页 |
| ·机器人拒绝协议(Robot Exclusion Protocol) | 第38页 |
| ·Frontier-内存与磁盘驻留的数据结构 | 第38-39页 |
| ·实现细节 | 第39-46页 |
| ·HTTP协议的介绍 | 第39-41页 |
| ·HTTP协议的封装 | 第41-42页 |
| ·爬行控制器的结构图 | 第42-43页 |
| ·爬行控制器的顶层类图 | 第43-45页 |
| ·实验结果 | 第45-46页 |
| 四 爬行策略控制器的实现 | 第46-57页 |
| ·爬行策略控制器的工作流程 | 第46-47页 |
| ·HTML解析器的实现 | 第47-51页 |
| ·Na(?)ve Bayes网页分类器的实现 | 第51-52页 |
| ·实现细节 | 第52-57页 |
| ·文本处理 | 第52页 |
| ·超链接的抽取 | 第52-53页 |
| ·URL评价器的设计 | 第53页 |
| ·数据的存储 | 第53-55页 |
| ·爬行策略控制器的结构图 | 第55页 |
| ·爬行策略控制器的顶层类图 | 第55-57页 |
| 五 总结 | 第57-59页 |
| 参考书目 | 第59-61页 |
| 致谢 | 第61页 |