|
|
|
面向舆情监测的主题爬虫设计与分析 |
|
论文目录 |
|
摘要 | 第4-5页 | ABSTRACT | 第5页 | 1 绪论 | 第8-11页 | 1.1 论文研究背景与意义 | 第8-9页 | 1.2 论文研究内容 | 第9-11页 | 1.2.1 研究内容 | 第9页 | 1.2.2 本文工作 | 第9页 | 1.2.3 论文组织结构 | 第9-11页 | 2 相关研究 | 第11-18页 | 2.1 主题爬虫研究 | 第11-14页 | 2.1.1 传统网络爬虫 | 第11-12页 | 2.1.2 主题爬虫 | 第12-14页 | 2.2 网页净化和中文分词研究 | 第14-16页 | 2.2.1 网页净化 | 第14-15页 | 2.2.2 中文分词 | 第15-16页 | 2.3 SVM在主题爬虫中的应用研究 | 第16页 | 2.4 本章小结 | 第16-18页 | 3 主题爬虫框架与网页预处理 | 第18-33页 | 3.1 主题爬虫框架分析 | 第18-22页 | 3.1.1 主题爬虫总体框架和搜索策略 | 第18-20页 | 3.1.2 主题爬虫网页下载模块 | 第20页 | 3.1.3 主题爬虫网页分析模块 | 第20-22页 | 3.1.4 主题爬虫URL去重模块 | 第22页 | 3.1.5 主题爬虫相关度分析模块 | 第22页 | 3.2 网页预处理分析 | 第22-32页 | 3.2.1 网页净化 | 第23-25页 | 3.2.2 中文分词 | 第25-28页 | 3.2.3 网页文本表示 | 第28-30页 | 3.2.4 文本相似度计算 | 第30-32页 | 3.3 本章小结 | 第32-33页 | 4 主题爬虫SVM算法的研究与改进 | 第33-43页 | 4.1 支持向量机分类算法 | 第33-38页 | 4.1.1 基于二次规划的支持向量机线性分类算法 | 第33-34页 | 4.1.2 基于二次规划的支持向量机非线性分类算法 | 第34-38页 | 4.2 网页的SVM主题分类算法 | 第38页 | 4.3 改进的SVM主题分类算法 | 第38-40页 | 4.4 实验结果的比较与分析 | 第40-42页 | 4.4.1 数据准备 | 第40页 | 4.4.2 实验结果及比较 | 第40-42页 | 4.5 本章小结 | 第42-43页 | 5 基于增量学习的SVN主题爬虫系统设计与实现 | 第43-48页 | 5.1 总体设计和框架结构 | 第43-44页 | 5.2 开发环境与开发工具 | 第44-45页 | 5.3 系统功能实现 | 第45页 | 5.4 舆情抓取 | 第45-47页 | 5.5 本章小结 | 第47-48页 | 6 结论与展望 | 第48-49页 | 6.1 工作总结 | 第48页 | 6.2 工作展望 | 第48-49页 | 7 参考文献 | 第49-55页 | 8 攻读硕士学位期间论文发表情况 | 第55-56页 | 9 致谢 | 第56页 |
|
|
|
|
论文编号BS2951718,这篇论文共56页 会员购买按0.35元/页下载,共需支付19.6元。 直接购买按0.5元/页下载,共需要支付28元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|