| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 忆阻神经网络的国内外研究现状 | 第12-13页 |
| 1.3.2 聚焦爬虫的国内研究现状 | 第13-15页 |
| 1.4 本文的主要工作 | 第15页 |
| 1.5 本文的组织结构 | 第15-17页 |
| 第二章 相关理论与技术 | 第17-25页 |
| 2.1 搜索引擎 | 第17-20页 |
| 2.1.1 通用搜索引擎 | 第17-19页 |
| 2.1.2 垂直搜索引擎 | 第19-20页 |
| 2.2 通用网络爬虫 | 第20-21页 |
| 2.2.1 通用网络爬虫的工作原理 | 第20-21页 |
| 2.2.2 通用网络爬虫的搜索策略 | 第21页 |
| 2.3 聚焦爬虫 | 第21-23页 |
| 2.3.1 聚焦爬虫的工作原理 | 第21-23页 |
| 2.3.2 聚焦爬虫的搜索策略 | 第23页 |
| 2.4 聚焦爬虫与通用网络爬虫的区别 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于忆阻神经网络的爬虫算法研究 | 第25-47页 |
| 3.1 聚焦爬虫框架 | 第25-32页 |
| 3.1.1 Hopfield神经网络 | 第25-28页 |
| 3.1.2 忆阻神经网络 | 第28-30页 |
| 3.1.3 忆阻神经网络爬虫框架 | 第30-32页 |
| 3.2 聚焦爬虫工作原理 | 第32-37页 |
| 3.2.1 初始化 | 第33页 |
| 3.2.2 激活-传播-迭代 | 第33-34页 |
| 3.2.3 结束条件 | 第34页 |
| 3.2.4 以实际项目中的应用为例 | 第34-37页 |
| 3.3 聚焦爬虫搜索策略 | 第37-43页 |
| 3.3.1 基于内容评价的搜索策略 | 第37-38页 |
| 3.3.2 基于链接分析的搜索策略 | 第38-40页 |
| 3.3.3 基于忆阻神经网络的搜索策略 | 第40-43页 |
| 3.4 主题相关性分析算法 | 第43-46页 |
| 3.4.1 基于忆阻器模型的主题相关性分析算法 | 第43-44页 |
| 3.4.2 基于信息熵的主题相关性分析算法 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于Scrapy的忆阻神经网络爬虫系统实现 | 第47-67页 |
| 4.1 体系结构 | 第47-53页 |
| 4.1.1 通用网络爬虫Scrapy | 第47-49页 |
| 4.1.2 基于Scrapy的忆阻神经网络爬虫系统 | 第49-53页 |
| 4.2 网页解析模块 | 第53-60页 |
| 4.2.1 基于视觉信息的网页分块 | 第53-57页 |
| 4.2.2 基于DBSCAN的聚类算法 | 第57-59页 |
| 4.2.3 基于分块聚类的网页解析算法 | 第59-60页 |
| 4.3 爬虫模块 | 第60-63页 |
| 4.4 调度模块 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 系统实验与分析 | 第67-85页 |
| 5.1 实验背景 | 第67-68页 |
| 5.2 实验环境与参数设置 | 第68-70页 |
| 5.2.1 实验环境 | 第68-69页 |
| 5.2.2 参数设置 | 第69-70页 |
| 5.3 实验评价指标 | 第70页 |
| 5.4 实验结果分析 | 第70-84页 |
| 5.4.1 基于忆阻神经网络的爬虫算法性能分析 | 第70-75页 |
| 5.4.2 分块聚类算法对爬虫性能的影响 | 第75-78页 |
| 5.4.3 爬虫系统的展示 | 第78-81页 |
| 5.4.4 词频统计 | 第81-84页 |
| 5.5 本章小结 | 第84-85页 |
| 第六章 总结和展望 | 第85-87页 |
| 6.1 全文总结 | 第85-86页 |
| 6.2 后续工作展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-94页 |
| 附录 | 第94-99页 |
| 攻读硕士期间取得的研究成果 | 第99页 |