| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 论文的研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 互联网舆情分析、不良信息研究现状 | 第12-13页 |
| 1.2.2 网页信息爬取研究现状 | 第13-15页 |
| 1.2.3 网页信息抽取研究现状 | 第15-17页 |
| 1.3 项目支撑及背景 | 第17-18页 |
| 1.4 论文主要研究内容 | 第18页 |
| 1.5 论文结构组织 | 第18-19页 |
| 1.6 主要创新点 | 第19-20页 |
| 1.7 本章小结 | 第20-22页 |
| 第二章 互联网不良信息监测及管理系统概述 | 第22-26页 |
| 2.1 支撑项目系统简介 | 第22-23页 |
| 2.2 网络论坛信息获取子系统概述 | 第23页 |
| 2.3 论文研究的关键问题以及系统的相关设计要点分析 | 第23-25页 |
| 2.3.1. 研究关键问题 | 第23-25页 |
| 2.3.2 系统的相关设计要点分析 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 相关技术及标准 | 第26-32页 |
| 3.1 HTML、HTML、XML | 第26-28页 |
| 3.1.1 HTML | 第26-27页 |
| 3.1.2 XHTML | 第27页 |
| 3.1.3 XML | 第27-28页 |
| 3.2 HttpCl ient、HtmlParser简介 | 第28-29页 |
| 3.2.1 HttpClient | 第28-29页 |
| 3.2.2 HtmlParser | 第29页 |
| 3.3 多线程技术 | 第29-30页 |
| 3.4 正则表达式技术 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 网络论坛信息采集的研究与实现 | 第32-62页 |
| 4.1 论坛爬虫策略 | 第32-37页 |
| 4.1.1 通用网络爬虫原理及其分析 | 第32-33页 |
| 4.1.2 针对论坛的结构特点分析 | 第33-34页 |
| 4.1.3 论坛爬虫模块设计关键问题分析 | 第34-35页 |
| 4.1.4 论坛爬虫爬行策略 | 第35-37页 |
| 4.2 过滤机制 | 第37-48页 |
| 4.2.1 基于URL链接格式的过滤 | 第38-41页 |
| 4.2.2. 基于内容的过滤校验 | 第41-43页 |
| 4.2.3 BG_q-Grams_u-Unrolling_s-Shift系列算法 | 第43-47页 |
| 4.2.4 实验及结果分析 | 第47-48页 |
| 4.3 论坛数据增量更新 | 第48-61页 |
| 4.3.1 论坛增量爬取算法 | 第49-52页 |
| 4.3.2 系统增量爬取调度 | 第52-58页 |
| 4.3.3 实验及结果分析 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 网络论坛信息的抽取与存储 | 第62-70页 |
| 5.1 网络论坛信息抽取 | 第62-66页 |
| 5.1.1 设计目标及抽取方案 | 第62-63页 |
| 5.1.2 信息抽取的整体架构设计 | 第63-64页 |
| 5.1.3 网页模板生成 | 第64-65页 |
| 5.1.4 抽取规则生成 | 第65-66页 |
| 5.1.5 信息抽取的相关数据表设计 | 第66页 |
| 5.2 论坛数据的存储 | 第66-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 论文工作总结 | 第70-71页 |
| 6.2 工作展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录A 攻读硕士期间公开发表的论文 | 第78-80页 |
| 附录B 攻读硕士期间参与完成的科研成果 | 第80页 |
