矿山设备领域主题爬虫的设计与实现
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 搜索引擎的发展趋势 | 第12-13页 |
| 1.3 主题爬虫国内外研究现状 | 第13-14页 |
| 1.4 论文主要研究内容 | 第14-16页 |
| 第2章 相关理论与技术 | 第16-30页 |
| 2.1 搜索引擎概述 | 第16-22页 |
| 2.1.1 搜索引擎分类 | 第16-18页 |
| 2.1.2 搜索引擎的结构原理 | 第18-20页 |
| 2.1.3 搜索引擎的工作流程 | 第20-21页 |
| 2.1.4 垂直搜索引擎结构 | 第21-22页 |
| 2.2 通用爬虫和主题爬虫 | 第22-26页 |
| 2.2.1 通用爬虫的工作流程 | 第22-24页 |
| 2.2.2 通用爬虫的组成结构 | 第24页 |
| 2.2.3 主题爬虫的基本原理 | 第24-25页 |
| 2.2.4 主题爬虫的优点 | 第25-26页 |
| 2.3 搜索策略概述 | 第26-29页 |
| 2.3.1 传统的搜索策略 | 第26-27页 |
| 2.3.2 主题搜索策略 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 主题爬虫关键技术分析与研究 | 第30-45页 |
| 3.1 基于关键词的主题表示 | 第30-31页 |
| 3.2 网页信息提取 | 第31-33页 |
| 3.2.1 HTML 文档特点 | 第31-32页 |
| 3.2.2 页面正文提取 | 第32-33页 |
| 3.2.3 页面链接提取 | 第33页 |
| 3.3 网页预处理 | 第33-37页 |
| 3.3.1 正则表达式 | 第33-34页 |
| 3.3.2 网页去重 | 第34-36页 |
| 3.3.3 网页消噪 | 第36-37页 |
| 3.4 中文分词技术 | 第37-39页 |
| 3.4.1 匹配字符串分词方法 | 第37-38页 |
| 3.4.2 基于理解的分词方法 | 第38页 |
| 3.4.3 基于词频统计的分词方法 | 第38-39页 |
| 3.5 主题相关度判定分析 | 第39-43页 |
| 3.5.1 网页特征选择 | 第39-41页 |
| 3.5.2 TF-IDF 算法 | 第41-42页 |
| 3.5.3 向量空间模型 | 第42-43页 |
| 3.6 URL 价值评价 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 矿山设备领域主题爬虫总体设计 | 第45-51页 |
| 4.1 系统设计目标 | 第45页 |
| 4.2 系统流程设计 | 第45-47页 |
| 4.3 系统总体结构 | 第47-48页 |
| 4.4 信息抓取设计 | 第48-49页 |
| 4.5 URL 队列设计 | 第49页 |
| 4.6 数据库设计 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 矿山设备领域主题爬虫实现 | 第51-63页 |
| 5.1 系统开发环境 | 第51页 |
| 5.2 多线程技术 | 第51-52页 |
| 5.3 页面信息提取 | 第52-55页 |
| 5.3.1 页面链接的提取 | 第52-54页 |
| 5.3.2 页面内容的提取 | 第54-55页 |
| 5.4 链接队列的管理 | 第55-57页 |
| 5.5 计算页面相关性 | 第57-58页 |
| 5.6 部分界面演示 | 第58-61页 |
| 5.7 实验结果 | 第61-62页 |
| 5.8 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者简介 | 第69-70页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第70-71页 |
