基于内容的网页采集分类系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 本论文专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第二章 相关技术介绍 | 第13-29页 |
| 2.1 爬虫技术 | 第13-16页 |
| 2.1.1 爬虫搜索策略 | 第13-15页 |
| 2.1.2 常见的爬虫框架及介绍 | 第15-16页 |
| 2.2 网页正文提取技术 | 第16-19页 |
| 2.3 文本预处理 | 第19-20页 |
| 2.4 文本的表示方法 | 第20-22页 |
| 2.5 文本特征选择方法 | 第22-24页 |
| 2.6 文本分类方法 | 第24-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 系统关键技术与算法设计 | 第29-38页 |
| 3.1 网页正文提取技术 | 第29-31页 |
| 3.1.1 算法原理 | 第29-31页 |
| 3.1.2 最优值选取 | 第31页 |
| 3.2 LLDA-SVM 分类器 | 第31-37页 |
| 3.2.1 分类性能评价 | 第31-33页 |
| 3.2.2 相关框架 | 第33-35页 |
| 3.2.3 实验设计及结果分析 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 系统设计与实现 | 第38-49页 |
| 4.1 系统的需求分析 | 第38-39页 |
| 4.2 系统的总体设计 | 第39-40页 |
| 4.3 系统的开发环境 | 第40-42页 |
| 4.3.1 系统的开发环境配置 | 第40页 |
| 4.3.2 系统数据库设计 | 第40-42页 |
| 4.4 网页采集模块的设计与实现 | 第42-44页 |
| 4.4.1 新闻网页的采集来源 | 第42页 |
| 4.4.2 网页的爬取和更新策略 | 第42-44页 |
| 4.4.3 网页正文提取 | 第44页 |
| 4.5 文本分类模块的设计与实现 | 第44-47页 |
| 4.5.1 文本预处理 | 第44-46页 |
| 4.5.2 主题分类 | 第46-47页 |
| 4.6 结果展示模块 | 第47-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 系统的展示与评估 | 第49-53页 |
| 5.1 系统展示 | 第49-51页 |
| 5.1.1 系统运行环境 | 第49页 |
| 5.1.2 系统界面 | 第49-51页 |
| 5.2 系统的性能评估 | 第51-52页 |
| 5.2.1 系统采集性能 | 第51-52页 |
| 5.2.2 系统分类准确率 | 第52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 6.1 工作总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
