基于tf-idf模型的搜索引擎开题报告

1. 研究目的与意义

1.1研究背景

互联网信息量庞大，靠人工手动查询有用信息的工作量很大，且效率很低，搜索引擎可以方便信息的搜索和提取。tf-idf是对搜索关键词的重要性的度量，从理论上讲，它有很强的理论根据。图论的遍历算法，距离编辑算法，单例模式等理论在搜索引擎中都有很具体的应用。

1.2研究目的

编写一个搜索引擎，下载所需要的网站内容，根据关键词查询到想要的内容。

2. 研究内容和预期目标

2.1主要研究内容

建立一个搜索引擎大致需要：下载网页，建立快速有效的索引，根据相关性对网页进行公平准确的排序。研究的主要内容就是完成这三个功能的实现：爬虫下载网页，线程池处理多线程，cache缓存处理，索引的建立，文本纠错，处理汉字的编辑距离等。

2.2预期目标

3. 研究的方法与步骤

3.1研究方法

一、查资料法

二、相关项目模仿法

4. 参考文献

[1] 吴军.数学之美[M].北京：人民邮电出版社，2012.

[2] W.Richard Stevens、Stephen A.Rago. UNIX环境高级编程（第三版） [M].北京：人民邮电出版社，2014.

[3] Stanley B.Lippman、Jose LaJoie,Barbara E.Moo. C primer(第三版) [M]. 北京：人民邮电出版社，2006.

[4] Neil Matthew、Richard Stones. Linux程序设计（第四版）[M].北京：人民邮电出版社，2010.

[5] W.Richard Stevens、Bill Fenner、Andrew M. Rudoff. UNIX网络编程 卷1：套接字联网API（第3版）[M]. 北京：人民邮电出版社，2010.

[6] W.Richard Stevens. UNIX网络编程 卷2：进程间通信（第3版）[M]. 北京：人民邮电出版社，2009.

5. 计划与进度安排

1. 2022年3月2日 - 3月13日，下达毕业论文任务书，布置论文工作要求；

2.3月9日 - 3月20日，学生完成开题报告，指导教师修改和审定学生论文开题报告;

3. 3月23日 - 3月29日，论文写作阶段。定时向指导老师汇报、交流一次论文进展情况；