大规模垂直搜索方法的研究与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-16页 |
| 1.1 论文背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2 信息获取技术 | 第16-28页 |
| 2.1 搜索引擎 | 第16-19页 |
| 2.1.1 搜索引擎发展 | 第16页 |
| 2.1.2 搜索引擎 | 第16-18页 |
| 2.1.3 搜索引擎的局限性 | 第18-19页 |
| 2.1.4 垂直搜索引擎 | 第19页 |
| 2.2 网络信息获取 | 第19-22页 |
| 2.2.1 通用网络爬虫 | 第19-21页 |
| 2.2.2 主题爬虫 | 第21-22页 |
| 2.3 网页信息预处理 | 第22-25页 |
| 2.3.1 去噪 | 第22-23页 |
| 2.3.2 中文分词 | 第23-25页 |
| 2.4 主题相似度 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 3 主题判别算法 | 第28-48页 |
| 3.1 预处理 | 第28-33页 |
| 3.1.1 网页标准化 | 第28-29页 |
| 3.1.2 DOM树构建 | 第29-31页 |
| 3.1.3 网页文本提取 | 第31页 |
| 3.1.4 基于标签加权的特征词提取 | 第31-33页 |
| 3.2 特征选择 | 第33-35页 |
| 3.3 文本分类 | 第35-38页 |
| 3.3.1 朴素贝叶斯算法 | 第36页 |
| 3.3.2 K邻近算法 | 第36-37页 |
| 3.3.3 决策树算法 | 第37-38页 |
| 3.4 改进的主题判别算法 | 第38-44页 |
| 3.4.1 朴素贝叶斯分类器原理 | 第38-41页 |
| 3.4.2 基于网页特征加权的主题判别算法 | 第41-44页 |
| 3.5 实验分析 | 第44-47页 |
| 3.5.1 判别标准 | 第44页 |
| 3.5.2 实验及结果分析 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 4 基于块提取的链接价值评估方法 | 第48-62页 |
| 4.1 Web网页链接分析 | 第48-49页 |
| 4.2 网页特性 | 第49-56页 |
| 4.2.1 两种类型页面特性 | 第49-51页 |
| 4.2.2 主题网页分布特性 | 第51-53页 |
| 4.2.3 网页分块算法 | 第53-56页 |
| 4.3 搜索策略 | 第56-59页 |
| 4.3.1 基于网页内容分析的搜索策略 | 第57页 |
| 4.3.2 基于链接结构的搜索策略 | 第57-59页 |
| 4.4 基于块提取的链接价值评估算法 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 系统设计及实验分析 | 第62-74页 |
| 5.1 系统设计 | 第62-67页 |
| 5.1.1 开发及运行环境 | 第62-63页 |
| 5.1.2 模块设计 | 第63-64页 |
| 5.1.3 流程设计 | 第64-66页 |
| 5.1.4 运行架构设计 | 第66-67页 |
| 5.2 实验结果与分析 | 第67-72页 |
| 5.2.1 实验数据 | 第67-68页 |
| 5.2.2 实验过程 | 第68-69页 |
| 5.2.3 结果与分析 | 第69-72页 |
| 5.3 本章小结 | 第72-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 论文总结 | 第74页 |
| 6.2 研究展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 学位论文数据集 | 第81页 |
