垃圾网页过滤算法及其在搜索引擎中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 国内外发展现状和动态 | 第12-16页 |
| 1.3 Web数据挖掘技术 | 第16-17页 |
| 1.4 课题的研究目的与意义 | 第17-18页 |
| 1.5 本课题的研究内容 | 第18页 |
| 1.6 论文结构 | 第18-20页 |
| 第2章 垃圾网页技术 | 第20-27页 |
| 2.1 引言 | 第20页 |
| 2.2 垃圾网页 | 第20-26页 |
| 2.2.1 基于内容的垃圾页面 | 第21-22页 |
| 2.2.2 基于链接的垃圾页面 | 第22-23页 |
| 2.2.3 基于隐藏页面 | 第23页 |
| 2.2.4 决策树算法 | 第23-24页 |
| 2.2.5 排序算法的介绍 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 垃圾网页检测 | 第27-34页 |
| 3.1 引言 | 第27页 |
| 3.2 页面隐藏技术 | 第27页 |
| 3.3 HTML标签树 | 第27-31页 |
| 3.3.1 文件预处理 | 第27-29页 |
| 3.3.2 HTML文件存放的数据结构 | 第29-31页 |
| 3.4 垃圾网页的检测算法 | 第31-32页 |
| 3.5 实验与结果分析 | 第32-33页 |
| 3.5.1 实验数据 | 第32页 |
| 3.5.2 评价标准 | 第32-33页 |
| 3.5.3 实验结果 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 针对垃圾页面的PageRank算法改进 | 第34-48页 |
| 4.1 引言 | 第34页 |
| 4.2 网页基于内容的排序算法 | 第34-35页 |
| 4.3 网页基于主题的排序算法 | 第35-37页 |
| 4.4 PageRank算法 | 第37-39页 |
| 4.4.1 PageRank算法原理 | 第37-38页 |
| 4.4.2 TrustRank算法原理 | 第38-39页 |
| 4.5 抵抗垃圾农场的PageRank算法 | 第39-42页 |
| 4.6 PageRank算法改进 | 第42-47页 |
| 4.6.1 Grade PageRank算法 | 第42-44页 |
| 4.6.2 实验及分析 | 第44-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第5章 搜索引擎设计 | 第48-56页 |
| 5.1 引言 | 第48页 |
| 5.2 搜索引擎 | 第48-51页 |
| 5.2.1 搜索引擎技术 | 第48-49页 |
| 5.2.2 搜索引擎分类 | 第49-50页 |
| 5.2.3 搜索引擎工作原理 | 第50页 |
| 5.2.4 搜索引擎的评价标准 | 第50-51页 |
| 5.3 构造搜索引擎的工具介绍 | 第51-52页 |
| 5.3.1 Lucene | 第51页 |
| 5.3.2 搜索引擎Nutch | 第51-52页 |
| 5.4 搜索引擎设计 | 第52-53页 |
| 5.4.1 搜索引擎体系结构 | 第52-53页 |
| 5.4.2 系统设计 | 第53页 |
| 5.5 实验分析 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
