| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 背景与意义 | 第9-10页 |
| 1.2 主题网络爬虫的国内外研究现状 | 第10-12页 |
| 1.2.1 主题识别算法及主题搜索策略 | 第10-11页 |
| 1.2.2 主题爬虫系统 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-14页 |
| 第二章 主题网络爬虫的体系结构 | 第14-20页 |
| 2.1 组成模块 | 第14-16页 |
| 2.1.1 基本组成 | 第14-15页 |
| 2.1.2 基本流程 | 第15-16页 |
| 2.2 主题页面的分布特性 | 第16-17页 |
| 2.2.1 Hub/Authority特性 | 第16页 |
| 2.2.2 Linkage/SiblingLocality特性 | 第16-17页 |
| 2.2.3 站点的主题特性 | 第17页 |
| 2.2.4 隧道特性 | 第17页 |
| 2.3 搜索策略以及链接提取 | 第17-19页 |
| 2.3.1 robots协议和相对链接的转换 | 第17-18页 |
| 2.3.2 搜索策略概述 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 网页主题内容抽取 | 第20-26页 |
| 3.1 HTML简介 | 第20页 |
| 3.2 网页文件解析 | 第20-21页 |
| 3.3 网页去噪 | 第21-23页 |
| 3.4 主题内容的抽取 | 第23-24页 |
| 3.5 文本分词 | 第24页 |
| 3.6 实验分析 | 第24-25页 |
| 3.6.1 实验环境 | 第24页 |
| 3.6.2 实验结果与分析 | 第24-25页 |
| 3.7 本章小结 | 第25-26页 |
| 第四章 基于实体链接的主题识别算法 | 第26-35页 |
| 4.1 实体链接简介 | 第26-27页 |
| 4.2 CN-DBpedia | 第27-28页 |
| 4.3 基于实体链接的特征抽取 | 第28-31页 |
| 4.3.1 候选特征集合抽取 | 第28-30页 |
| 4.3.2 常见特征抽取算法 | 第30-31页 |
| 4.3.3 最终特征抽取 | 第31页 |
| 4.4 基于朴素贝叶斯算法的分类器 | 第31-33页 |
| 4.5 实验分析 | 第33-34页 |
| 4.5.1 实验环境 | 第33页 |
| 4.5.2 实验结果与分析 | 第33-34页 |
| 4.6 本章小结 | 第34-35页 |
| 第五章 改进的基于Best-First算法的主题搜索策略 | 第35-44页 |
| 5.1 通用搜索策略 | 第35-36页 |
| 5.2 常用主题搜索策略 | 第36-38页 |
| 5.2.1 基于内容评价的搜索策略 | 第36-37页 |
| 5.2.2 基于链接结构评价的搜索策略 | 第37-38页 |
| 5.3 基于Best-First算法的主题搜索策略 | 第38-43页 |
| 5.3.1 链接价值评估 | 第38-39页 |
| 5.3.2 主题搜索策略 | 第39-41页 |
| 5.3.3 实验分析 | 第41-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-45页 |
| 6.1 总结 | 第44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读学位期间主要的研究成果 | 第48-49页 |
| 致谢 | 第49页 |
