| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| ·引言 | 第8页 |
| ·选题背景和研究意义 | 第8-10页 |
| ·选题背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·主要工作和组织结构 | 第10-12页 |
| 2 主题搜索引擎概述 | 第12-15页 |
| ·搜索引擎的分类 | 第12-13页 |
| ·主题搜索引擎的产生及优点 | 第13-14页 |
| ·主题搜索引擎举例 | 第14页 |
| ·本章小结 | 第14-15页 |
| 3 开源信息检索工具库Lucene研究 | 第15-28页 |
| ·Lucene系统的结构组织 | 第15-16页 |
| ·Lucene的索引机制 | 第16-20页 |
| ·Lucene索引过程 | 第17页 |
| ·Lucene索引的数据结构 | 第17-19页 |
| ·Lucene索引的核心类 | 第19-20页 |
| ·Lucene的搜索机制 | 第20-23页 |
| ·Lucene基本搜索流程 | 第20-21页 |
| ·Lucene搜索分类 | 第21-22页 |
| ·Lucene搜索的核心类 | 第22-23页 |
| ·Lucene排序 | 第23-25页 |
| ·Lucene排序原理 | 第23-24页 |
| ·Lucene排序计算体系 | 第24-25页 |
| ·Lucene排序控制方法 | 第25页 |
| ·Lucene与中文分词 | 第25-27页 |
| ·中文分词的基本方法 | 第25-26页 |
| ·Lucene中文分词 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 主题爬行主要技术 | 第28-41页 |
| ·主题爬行程序介绍 | 第28-30页 |
| ·文本分类技术 | 第30-33页 |
| ·文本表示 | 第30页 |
| ·向量空间模型及TF-IDF权重算法 | 第30-32页 |
| ·基于特征项所在域的TF-IDF权重算法 | 第32-33页 |
| ·爬行策略 | 第33-39页 |
| ·基于网页内容评价的爬行策略 | 第33-35页 |
| ·基于Web链接结构的爬行策略 | 第35-37页 |
| ·结合URL锚文件的最优优先爬行策略 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 5 基于Lucene的主题搜索引擎模板总体设计 | 第41-45页 |
| ·系统功能和目标 | 第41-42页 |
| ·系统构成及运行流程 | 第42-43页 |
| ·系统工具 | 第43-44页 |
| ·可行性分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 6 基于Lucene的主题搜索引擎模板详细设计及实现 | 第45-70页 |
| ·用户引导模块 | 第45-51页 |
| ·主题训练 | 第45-50页 |
| ·初始种子站点设定 | 第50-51页 |
| ·主题爬行模块 | 第51-63页 |
| ·构造和维护各个URL队列 | 第52-54页 |
| ·获得网页编码 | 第54页 |
| ·抓取网页 | 第54-58页 |
| ·解析网页 | 第58-60页 |
| ·文档分类器 | 第60-62页 |
| ·URL分类器 | 第62-63页 |
| ·索引模块 | 第63-65页 |
| ·建立索引 | 第63-64页 |
| ·索引优化与合并 | 第64-65页 |
| ·查询模块 | 第65-66页 |
| ·中文分词技术 | 第66-67页 |
| ·搜索界面设计和实现 | 第67-69页 |
| ·信息更新 | 第69页 |
| ·本章小结 | 第69-70页 |
| 7 基于Lucene的主题型搜索引擎模板运行与测试 | 第70-77页 |
| ·系统运行 | 第70页 |
| ·系统测试 | 第70-73页 |
| ·系统测试结果 | 第73-75页 |
| ·不同爬行策略对比试验 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 8 总结与展望 | 第77-79页 |
| ·总结 | 第77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士期间发表的学术论文及参加的科研项目 | 第82-83页 |