| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题的背景和意义 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 第2章 研究基础 | 第14-26页 |
| ·服务演进 | 第14-19页 |
| ·服务演进研究现状 | 第14-16页 |
| ·Situ框架 | 第16-19页 |
| ·用户使用经验获取方法研究现状 | 第19-20页 |
| ·关联规则挖掘方法 | 第20-23页 |
| ·关联规则挖掘 | 第20-22页 |
| ·增量式更新挖掘 | 第22-23页 |
| ·贝叶斯网络 | 第23-25页 |
| ·贝叶斯网络基本概念 | 第23-25页 |
| ·贝叶斯网络推理算法 | 第25页 |
| ·小结 | 第25-26页 |
| 第3章 支持用户意图变化识别的用户使用经验获取框架 | 第26-38页 |
| ·SMR系统 | 第26-29页 |
| ·用户使用经验获取框架 | 第29-33页 |
| ·用户使用经验获取问题 | 第29-30页 |
| ·相关概念 | 第30-31页 |
| ·用户使用经验获取框架 | 第31-33页 |
| ·用户使用经验获取过程中的关键问题 | 第33-36页 |
| ·愿望推理方法 | 第34-35页 |
| ·用户使用经验的挖掘方法 | 第35-36页 |
| ·小结 | 第36-38页 |
| 第4章 基于贝叶斯网络的愿望推理方法 | 第38-48页 |
| ·基于贝叶斯网络的愿望推理过程 | 第38-41页 |
| ·愿望推理过程 | 第38-39页 |
| ·推理愿望的贝叶斯网络模型 | 第39-41页 |
| ·基于消息传播推理的动作生成方法 | 第41-44页 |
| ·基于消息传播推理的动作生成过程 | 第41页 |
| ·基于规则的事件生成方法 | 第41-42页 |
| ·动作推理的贝叶斯网络 | 第42-44页 |
| ·动作推理算法 | 第44页 |
| ·基于消息传播推理的愿望生成方法 | 第44-47页 |
| ·基于消息传播推理的愿望生成过程 | 第44-45页 |
| ·愿望推理的贝叶斯网络模型 | 第45-46页 |
| ·愿望推理算法 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第5章 基于关联规则挖掘的用户使用经验生成方法 | 第48-56页 |
| ·基于关联规则挖掘的愿望转移概率矩阵生成方法 | 第48-51页 |
| ·愿望转移概率矩阵生成过程 | 第48-49页 |
| ·愿望转移概率矩阵生成算法 | 第49-51页 |
| ·动作-愿望关系矩阵生成方法 | 第51-52页 |
| ·动作-愿望关系矩阵生成过程 | 第51页 |
| ·动作-愿望关系医阵生成算法 | 第51-52页 |
| ·关联规则的增量式更新挖掘算法 | 第52-55页 |
| ·小结 | 第55-56页 |
| 第6章 基于SMR系统的用户使用经验获取过程实例分析 | 第56-68页 |
| ·实例背景及实例数据 | 第56-60页 |
| ·实例背景 | 第56-57页 |
| ·实例数据 | 第57-60页 |
| ·基于SMR系统的用户使用经验获取实例分析 | 第60-66页 |
| ·基于贝叶斯网络的愿望推理实例分析 | 第60-63页 |
| ·用户使用经验生成的实例分析 | 第63-66页 |
| ·小结 | 第66-68页 |
| 第7章 总结与展望 | 第68-70页 |
| ·本文的主要工作 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |