| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·引言 | 第11页 |
| ·研究背景 | 第11-15页 |
| ·研究目的与意义 | 第15-16页 |
| ·主要研究内容与创新性 | 第16-17页 |
| ·论文组织结构 | 第17-19页 |
| 第二章 Web搜索算法与智能优化算法 | 第19-34页 |
| ·引言 | 第19页 |
| ·搜索引擎综述 | 第19-24页 |
| ·搜索引擎的结构 | 第19-20页 |
| ·搜索引擎分类 | 第20-22页 |
| ·搜索引擎工作流程 | 第22-23页 |
| ·搜索引擎的发展趋势 | 第23-24页 |
| ·传统的Web搜索算法 | 第24-28页 |
| ·HITS算法 | 第24-25页 |
| ·PageRank算法 | 第25-27页 |
| ·Topic-Sensitive PageRank算法 | 第27页 |
| ·HillTop算法 | 第27-28页 |
| ·SALSA算法 | 第28页 |
| ·智能优化算法 | 第28-33页 |
| ·遗传算法 | 第28-30页 |
| ·模拟退火算法 | 第30-31页 |
| ·量子遗传算法 | 第31页 |
| ·克隆选择算法 | 第31-32页 |
| ·其他优化算法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 用户兴趣模型设计 | 第34-46页 |
| ·引言 | 第34页 |
| ·用户兴趣模型的表示方式 | 第34-37页 |
| ·关键词表示法 | 第34-35页 |
| ·概率表示法 | 第35页 |
| ·向量空间模型表示法 | 第35-36页 |
| ·Bookmark表示法 | 第36页 |
| ·本体论的表示法 | 第36-37页 |
| ·现有的用户兴趣模型 | 第37-39页 |
| ·基于模板的兴趣度模型 | 第37页 |
| ·基于概率相关性的用户兴趣度模型 | 第37页 |
| ·基于信息量的兴趣模型 | 第37-38页 |
| ·基于差异思想的兴趣模型 | 第38页 |
| ·基于兴趣树的兴趣模型 | 第38-39页 |
| ·基于Web搜索的用户兴趣建模 | 第39-45页 |
| ·兴趣模型相关参数 | 第39-44页 |
| ·Web搜索的用户兴趣通用模型 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 克隆遗传量子搜索算法 | 第46-72页 |
| ·引言 | 第46页 |
| ·CGQSA算法框架与流程 | 第46-50页 |
| ·抗体编码 | 第47页 |
| ·亲和度函数 | 第47-48页 |
| ·克隆操作 | 第48页 |
| ·混合变异 | 第48-49页 |
| ·选择 | 第49-50页 |
| ·CGQSA算法的求解过程 | 第50页 |
| ·CGQSA算法的收敛性分析 | 第50-52页 |
| ·CGQSA算法的计算复杂度分析 | 第52-53页 |
| ·实验结果及分析 | 第53-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 遗传模拟退火搜索算法 | 第72-100页 |
| ·引言 | 第72-73页 |
| ·Web结构建模 | 第73-74页 |
| ·算法框架与流程 | 第74-76页 |
| ·适应度函数 | 第74页 |
| ·选择操作 | 第74-75页 |
| ·交叉操作 | 第75页 |
| ·变异操作 | 第75-76页 |
| ·终止条件 | 第76页 |
| ·GSASA算法的求解过程 | 第76页 |
| ·GSASA算法的收敛性分析 | 第76-77页 |
| ·GSASA算法的性能分析 | 第77-78页 |
| ·性能测试与实验分析 | 第78-99页 |
| ·实验结果及分析 | 第78-97页 |
| ·CGQSA算法与GSASA算法的性能比较 | 第97-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 总结与展望 | 第100-102页 |
| ·本文工作总结 | 第100-101页 |
| ·进一步研究工作展望 | 第101-102页 |
| 参考文献 | 第102-115页 |
| 附录A：本文插图索引 | 第115-119页 |
| 附录B：本文公式索引 | 第119-121页 |
| 致谢 | 第121-123页 |
| 攻读博士学位期间主要工作成果 | 第123-125页 |