元搜索引擎的个性化技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·搜索引擎的研究现状及存在的不足 | 第12-16页 |
| ·个性化元搜索引擎的提出 | 第16-17页 |
| ·本文的研究内容和组织结构 | 第17-19页 |
| 第2章 元搜索引擎概述 | 第19-29页 |
| ·元搜索引擎 | 第19-24页 |
| ·元搜索引擎简介 | 第19页 |
| ·元搜索引擎的工作原理和体系结构 | 第19-21页 |
| ·元搜索引擎的分类及特点 | 第21-23页 |
| ·元搜索引擎发展趋势 | 第23-24页 |
| ·个性化元搜索引擎 | 第24-28页 |
| ·个性化元搜索引擎简介 | 第25页 |
| ·个性化元搜索引擎的框架 | 第25-26页 |
| ·个性化信息检索服务的特征和意义 | 第26-27页 |
| ·个性化信息检索研究的方向 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于用户行为的兴趣特征建模 | 第29-38页 |
| ·用户兴趣模型关键技术 | 第29-31页 |
| ·用户建模分类 | 第29-30页 |
| ·用户兴趣特征模型分析 | 第30-31页 |
| ·用户页面权重的表达 | 第31-34页 |
| ·根据滞留在网页中的有效时间 | 第31页 |
| ·根据超链接点击情况 | 第31-32页 |
| ·根据页面点击情况 | 第32-33页 |
| ·根据行为分析结合内容分析 | 第33-34页 |
| ·用户兴趣建模技术 | 第34-36页 |
| ·用户兴趣模型的建立 | 第34-35页 |
| ·用户兴趣模型实验验证 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于兴趣特征的Web 用户聚类 | 第38-51页 |
| ·聚类算法简介 | 第38-41页 |
| ·聚类的概念 | 第38-39页 |
| ·聚类算法分类 | 第39-41页 |
| ·Web 聚类相关概念的提出 | 第41-44页 |
| ·基于用户兴趣的Web 聚类算法 | 第44-48页 |
| ·算法的描述 | 第44-45页 |
| ·算法具体实现步骤 | 第45页 |
| ·算法应用举例 | 第45-48页 |
| ·Web 用户聚类算法对网页推荐的影响 | 第48-49页 |
| ·实验分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于Web 用户聚类的个性化推荐 | 第51-62页 |
| ·传统的推荐技术简介 | 第51-53页 |
| ·协同过滤推荐技术 | 第51-52页 |
| ·基于内容过滤的推荐技术 | 第52-53页 |
| ·基于规则的推荐技术 | 第53页 |
| ·推荐系统的研究方向和研究内容 | 第53-54页 |
| ·推荐技术的评价指标 | 第54-56页 |
| ·相对查全率和查准率 | 第55页 |
| ·用户满意度 | 第55-56页 |
| ·基于Web 用户聚类的个性化推荐技术 | 第56-59页 |
| ·基于Web 用户聚类推荐系统的功能流程 | 第56-57页 |
| ·应用举例 | 第57-59页 |
| ·实验分析及结果 | 第59-61页 |
| ·推荐内容质量评估 | 第59-60页 |
| ·推荐时间消耗评估 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
