| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究内容及组织结构 | 第10-12页 |
| 1.4 本章小结 | 第12-14页 |
| 第二章 相关理论知识 | 第14-28页 |
| 2.1 分布式聚焦网络爬虫概述 | 第14-18页 |
| 2.1.1 通用网络爬虫 | 第14-16页 |
| 2.1.2 聚焦网络爬虫 | 第16-18页 |
| 2.2 聚焦网络爬虫搜索策略 | 第18-22页 |
| 2.2.1 PageRank算法 | 第18-19页 |
| 2.2.2 HITS算法 | 第19-20页 |
| 2.2.3 基于遗传算法的网页搜索策略 | 第20-22页 |
| 2.3 分布式网络爬虫体系结构 | 第22-24页 |
| 2.4 Python语言关键技术简介 | 第24-27页 |
| 2.4.1 并行技术实现 | 第25-26页 |
| 2.4.2 节点间通信技术 | 第26页 |
| 2.4.3 selenium+BeautifulSoup实现动态网页获取 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 主动获取式的分布式聚焦网络爬虫方法 | 第28-40页 |
| 3.1 平台环境 | 第28页 |
| 3.2 研究框架 | 第28-35页 |
| 3.2.1 系统模型 | 第29-31页 |
| 3.2.2 分控模块 | 第31-32页 |
| 3.2.3 数据库设计及URL去重策略 | 第32-34页 |
| 3.2.4 信息提取设计 | 第34-35页 |
| 3.3 主动获取式实现 | 第35-37页 |
| 3.3.1 节点通信设计 | 第35-36页 |
| 3.3.2 双向任务动态获取的方法 | 第36-37页 |
| 3.4 本章小结 | 第37-40页 |
| 第四章 方法涉及关键技术详解 | 第40-46页 |
| 4.1 基于动态双向优先级算法的任务分配策略 | 第40-43页 |
| 4.1.1 URL优先级排序算法 | 第40-41页 |
| 4.1.2 子机优先级算法 | 第41-42页 |
| 4.1.3 任务分级分配算法 | 第42-43页 |
| 4.2 负载均衡算法 | 第43-44页 |
| 4.3 异常节点敏捷识别、节点安全退出技术 | 第44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 实验与仿真 | 第46-52页 |
| 5.1 测试环境说明 | 第46页 |
| 5.2 单机运行性能测试 | 第46-47页 |
| 5.3 集群系统性能测试 | 第47-50页 |
| 5.3.1 扩展性测试 | 第47-48页 |
| 5.3.2 负载均衡测试 | 第48-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文总结 | 第52页 |
| 6.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和参加科研情况说明 | 第58-60页 |
| 谢辞 | 第60页 |