摘要 | 第1-4页 |
ABSTRACT | 第4-8页 |
第1章 绪论 | 第8-12页 |
·研究背景 | 第8页 |
·国内外研究动态和水平 | 第8-9页 |
·改进方向 | 第9-10页 |
·论文所做的工作及意义 | 第10-11页 |
·论文的组织结构 | 第11-12页 |
第2章 基于 Agent 的 Web 挖掘模型研究的理论基础 | 第12-30页 |
·数据挖掘 | 第12-15页 |
·数据挖掘技术产生的背景 | 第12-13页 |
·数据挖掘概念和过程 | 第13-14页 |
·数据挖掘的主要技术 | 第14-15页 |
·数据挖掘应用 | 第15页 |
·Web 挖掘 | 第15-20页 |
·Web 挖掘的基本概念 | 第15页 |
·Web 挖掘研究现状 | 第15-16页 |
·Web 内容挖掘 | 第16-20页 |
·文本的特征表示 | 第17页 |
·文本的特征子集的选取 | 第17-18页 |
·Web 网页的特征提取 | 第18-20页 |
·Web 结构挖掘 | 第20页 |
·Web 访问日志的挖掘 | 第20页 |
·Agent 理论 | 第20-29页 |
·Agent 的定义、特性和分类 | 第20-22页 |
·Agent 的体系结构 | 第22页 |
·Agent 技术简析 | 第22-25页 |
·Agent 开发平台 Aglet | 第25-26页 |
·Multi-Agent 系统(MAS) | 第26-28页 |
·多 Agent 系统概念 | 第26-27页 |
·多 Agent 协同 | 第27-28页 |
·智能 Agent 的推送(Push)技术 | 第28页 |
·Multi-Agent 之间的通信 | 第28-29页 |
·本章小结 | 第29-30页 |
第3章 基于 XML 的多 Agent 通信体系结构和 KQML 语言 | 第30-42页 |
·XML 技术 | 第30-31页 |
·ACL 遇到的障碍 | 第31-32页 |
·XML 描述 KQML 的可行性 | 第32页 |
·KQML 到 XML 的转换方法 | 第32-38页 |
·XML 包装 KQML 的方法 | 第32-37页 |
·XML 包装 KQML 的优点 | 第37-38页 |
·基于 XML 的 Agent 通信体系结构 | 第38-41页 |
·本章小结 | 第41-42页 |
第4章 基于 Agent 的 Web 挖掘模型 | 第42-55页 |
·模型体系结构 | 第42-44页 |
·系统工作流程 | 第44-45页 |
·数据库功能分析 | 第45-49页 |
·用户知识库 | 第45-46页 |
·本体 | 第46页 |
·用户模型的表示 | 第46-49页 |
·文档模型的表示 | 第47-48页 |
·用户模型的表示 | 第48-49页 |
·人机交互层 | 第49-50页 |
·信息处理层 | 第50-53页 |
·学习 Agent | 第50-52页 |
·分析、过滤 Agent | 第52页 |
·选择、推荐 Agent | 第52-53页 |
·信息收集层 | 第53-54页 |
·本章小结 | 第54-55页 |
第5章 用户兴趣挖掘技术 | 第55-64页 |
·用户识别 | 第55-57页 |
·用户兴趣学习 | 第57-58页 |
·挖掘用户兴趣的方法 | 第57-58页 |
·现有的兴趣挖掘算法 | 第58-61页 |
·主动提供 | 第58-60页 |
·相关反馈 | 第60-61页 |
·现有兴趣挖掘算法的缺陷 | 第61页 |
·用户兴趣学习算法 | 第61-63页 |
·用户请求提交 | 第61页 |
·个性化分析 | 第61-62页 |
·兴趣学习 | 第62页 |
·个性化分析算法 | 第62-63页 |
·本章小结 | 第63-64页 |
第6章 基于 Agent 的 Web 挖掘模型实现技术 | 第64-76页 |
·系统平台与开发工具 | 第64-66页 |
·知识库的设计 | 第66-68页 |
·本体库的设计 | 第68-72页 |
·用 Java 建立本体查询链表 | 第70-72页 |
·系统测试 | 第72-75页 |
·本章小结 | 第75-76页 |
第7章 总结与展望 | 第76-79页 |
·本文小结 | 第76页 |
·该模型系统的创新点 | 第76-77页 |
·论文展望 | 第77-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-82页 |
攻读硕士学位期间发表的学术论文 | 第82页 |