WEB信息资源主题搜索技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 主题搜索的国内外研究现状 | 第9-10页 |
| 1.3 论文的主要研究内容 | 第10-12页 |
| 1.4 论文章节安排 | 第12-14页 |
| 第二章 搜索引擎技术概述 | 第14-28页 |
| 2.1 搜索引擎的出现及其发展 | 第14-15页 |
| 2.2 搜索引擎的 4 大需求 | 第15-16页 |
| 2.3 搜索引擎的 4 大体系 | 第16-22页 |
| 2.3.1 下载系统 | 第16-18页 |
| 2.3.2 分析系统 | 第18-20页 |
| 2.3.3 索引系统 | 第20-21页 |
| 2.3.4 查询系统 | 第21-22页 |
| 2.4 主题搜索引擎的出现 | 第22-26页 |
| 2.4.1 主题搜索引擎与通用搜索引擎的区别 | 第23-25页 |
| 2.4.2 主题搜索引擎的优势 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 主题搜索主要技术剖析 | 第28-36页 |
| 3.1 主题相关性判断 | 第28-31页 |
| 3.1.1 主题相关性 | 第28-29页 |
| 3.1.2 主题相关性算法 | 第29-31页 |
| 3.2 网页去重问题 | 第31-32页 |
| 3.2.1 网页去重策略 | 第31页 |
| 3.2.2 网页重复判断算法 | 第31-32页 |
| 3.3 中文分词 | 第32-35页 |
| 3.3.1 中文分词的应用 | 第32-33页 |
| 3.3.2 中文分词的分类 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 主题搜索系统设计实现 | 第36-56页 |
| 4.1 Nutch 介绍 | 第36-38页 |
| 4.1.1 Nutch 体系结构 | 第36-37页 |
| 4.1.2 Nutch 工作流程 | 第37-38页 |
| 4.2 主题搜索设计框架 | 第38-39页 |
| 4.3 主题爬虫模块的设计与实现 | 第39-43页 |
| 4.3.1 主题相关度判断 | 第40-41页 |
| 4.3.2 爬虫链接更新策略 | 第41-43页 |
| 4.4 网页去重模块的设计与实现 | 第43-50页 |
| 4.4.1 属性信息的提取 | 第45-48页 |
| 4.4.2 网页重复度计算 | 第48-50页 |
| 4.5 中文分词模块的设计与实现 | 第50-54页 |
| 4.5.1 中文分词算法设计 | 第50-53页 |
| 4.5.2 中文分词模块实现 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 主题搜索系统测试 | 第56-60页 |
| 5.1 测试系统环境 | 第56页 |
| 5.2 测试系统部署 | 第56页 |
| 5.3 系统主要模块测试与分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间所取得的相关科研成果 | 第66-68页 |
| 致谢 | 第68页 |
