首页--文化、科学、教育、体育论文--信息与知识传播论文--图书馆学、图书馆事业论文--读者工作论文

数字图书馆个性化信息服务关键技术研究

第一章 绪论第1-15页
   ·选题背景和意义第9-10页
     ·选题背景第9页
     ·选题意义第9-10页
   ·研究现状第10-12页
     ·国外研究状况第10-11页
     ·国内研究状况第11-12页
   ·论文内容第12-13页
   ·论文组织第13页
   ·创新点第13-15页
第二章 个性化信息服务与个性化信息推荐系统第15-29页
   ·个性化信息服务的背景第15-18页
     ·信息环境的变化第15页
     ·搜索引擎的不足第15页
     ·传统的定题服务(SDI)的不足第15-16页
     ·个性化信息服务的优点第16-17页
     ·个性化信息服务与SDI 的比较第17-18页
   ·个性化信息服务的内涵与特征第18-21页
     ·广义的个性化信息服务第18页
     ·狭义的个性化信息服务第18-19页
     ·个性化信息服务的特点第19-21页
   ·个性化信息服务研究的基本问题第21页
   ·个性化信息推荐系统第21-23页
     ·个性化信息推荐系统的关键技术第22页
     ·个性化信息推荐系统的基本要求第22-23页
   ·个性化信息推荐系统体系结构第23-28页
     ·基于关联规则的个性化信息推荐系统第23-24页
     ·基于信息过滤的个性化信息推荐系统第24-27页
     ·个性化信息推荐系统之间的比较第27-28页
   ·小结第28-29页
第三章 个性化信息服务关键技术 ——内容过滤技术第29-51页
   ·用户模型第30-41页
     ·用户描述文件第30-37页
     ·用户描述文件(profile)的表达第37-40页
     ·用户模型的更新第40-41页
   ·资源的表达第41-43页
     ·基于内容的资源表达第41-42页
     ·基于分类的资源表达第42-43页
   ·相似度计算第43-44页
     ·矢量空间模型的相似度计算方法第43页
     ·概率模型的相似度计算方法第43-44页
     ·神经网络第44页
     ·遗传算法第44页
   ·改进的概率模型表示法第44-50页
     ·资源的表达第45-47页
     ·用户的表达第47-48页
     ·相似度的计算第48-49页
     ·生成推荐结果第49页
     ·基于分类的内容过滤的算法第49-50页
   ·小结第50-51页
第四章 个性化信息服务关键技术——协同过滤技术第51-65页
   ·协同过滤算法分类第52-53页
     ·基于内存的协同过滤第52页
     ·基于模型的协同过滤第52-53页
   ·基于最近近邻法的协同过滤算法第53-57页
     ·算法流程第54-56页
     ·例子第56-57页
     ·算法第57页
   ·基于分类的协同过滤推荐第57-64页
     ·原始评价值第57-58页
     ·资源分类和用户分类第58-59页
     ·用户权威性第59-61页
     ·相似性计算第61页
     ·生成推荐结果第61-62页
     ·算法流程第62-63页
     ·基于分类的协同过滤的算法第63-64页
   ·小结第64-65页
第五章 个性化信息服务关键技术-----聚类分析第65-77页
   ·聚类方法第66-67页
   ·K-means 聚类算法第67-68页
     ·K-means 聚类算法过程第67-68页
     ·Kmeans 聚类的算法第68页
   ·矩阵聚类算法(MCA)第68-70页
     ·矩阵聚类算法过程第68-69页
     ·矩阵聚类的算法第69-70页
   ·类层次结构算法(Buildclassification)第70-71页
   ·基于知识时间性的推荐算法第71-74页
     ·算法过程第72-74页
     ·改进的矩阵聚类算法第74页
   ·推荐结果的整理和合并第74-75页
   ·小结第75-77页
第六章 结论第77-79页
   ·本文完成的主要工作与贡献第77-78页
   ·对今后工作的展望第78-79页
参考文献第79-82页
摘要第82-86页
致谢第86-87页
导师及作者简介第87-90页

论文共90页,点击 下载论文
上一篇:纳米光栅干涉位移测量关键技术的研究
下一篇:热电制冷系统热力学优化分析及节能应用和开发