| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第1章 引言 | 第6-14页 |
| ·当前基于WE B的信息搜索所面临的问题 | 第7-9页 |
| ·W E B个性化信息服务概述 | 第9-11页 |
| ·WEB个性化信息服务含义 | 第9页 |
| ·WEB个性化信息服务的发展概况及发展趋势 | 第9-11页 |
| ·WEB个性化信息服务的重要意义 | 第11页 |
| ·基于智能代理的个性化WEB浏览器的研究意义 | 第11-12页 |
| ·本文的工作和论文组织 | 第12-14页 |
| 第2章 智能代理(Intelligent Agent)技术 | 第14-23页 |
| ·智能代理(Intelligent Agent)技术概述 | 第14-21页 |
| ·智能Agent分类 | 第15-16页 |
| ·智能Agent的基本模型 | 第16-17页 |
| ·多Agent系统(Multi-Agent System，MAS) | 第17-18页 |
| ·多Agent之间的协作与协调 | 第18-19页 |
| ·基于对象的Agent编程 | 第19-21页 |
| ·智能Agent方法和技术在WEB信息搜索上的应用 | 第21-23页 |
| ·智能Agent应用的可能性 | 第21页 |
| ·构造智能Agent的具体应用方案 | 第21-22页 |
| ·智能Agent技术在Internet信息搜索上的典型应用 | 第22-23页 |
| 第3章 系统强化学习 | 第23-37页 |
| ·机器学习概述 | 第23-27页 |
| ·什么是机器学习(Machine Learning) | 第23-24页 |
| ·机器学习模型与系统结构 | 第24-25页 |
| ·机器学习的方法 | 第25-26页 |
| ·机器学习的应用和研究进展 | 第26-27页 |
| ·强化学习算法 | 第27-30页 |
| ·用户访问方式的获取与系统个性化 | 第30-37页 |
| ·用户兴趣表示和兴趣度定义 | 第30-32页 |
| ·网页识别 | 第32-33页 |
| ·学习Agent-用户兴趣的增强学习 | 第33-35页 |
| ·网页搜索与信息过滤 | 第35-37页 |
| 第4章 个性化智能WEB浏览器的设计和实现 | 第37-51页 |
| ·个性化智能WEB浏览器的设计 | 第37-43页 |
| ·智能WEB浏览器总体结构 | 第37-40页 |
| ·知识库和本地信息库的组织和设计 | 第40-43页 |
| ·个性化智能WEB浏览器的实现 | 第43-48页 |
| ·运行环境 | 第43页 |
| ·用户兴趣的初始化 | 第43-44页 |
| ·智能Agent的实现 | 第44-48页 |
| ·系统运行、功能特点及目前存在的问题 | 第48-51页 |
| ·个性化智能WEB浏览器的运行 | 第48-49页 |
| ·个性化智能WEB浏览器的功能特点 | 第49-50页 |
| ·个性化智能WEB浏览器目前存在的问题 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| ·全文总结 | 第51-52页 |
| ·下一步的工作 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士期间发表的论文和参加的科研工作 | 第55-56页 |
| 致谢 | 第56页 |
