| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10页 |
| ·研究背景和意义 | 第10-11页 |
| ·研究现状 | 第11-16页 |
| ·Web 缓存的研究现状 | 第11-15页 |
| ·Web 预取的研究现状 | 第15-16页 |
| ·课题研究内容 | 第16页 |
| ·文章的组织结构 | 第16-18页 |
| 第2章 关键技术研究 | 第18-27页 |
| ·引言 | 第18页 |
| ·Web 缓存关键技术 | 第18-23页 |
| ·Web 缓存系统的部署 | 第18-19页 |
| ·Web 访问特性 | 第19-21页 |
| ·Web 缓存的工作流程 | 第21页 |
| ·Web 缓存的工作机制 | 第21-22页 |
| ·评价标准 | 第22-23页 |
| ·Web 预取关键技术 | 第23-26页 |
| ·Web 预取的基本理论 | 第23-24页 |
| ·Web 预取的分类 | 第24-25页 |
| ·Web 预取的模型建立过程 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 Web 缓存替换策略的研究 | 第27-48页 |
| ·引言 | 第27页 |
| ·Web 缓存替换策略的问题描述 | 第27-31页 |
| ·Web 对象的可缓存性 | 第27-29页 |
| ·哪些类型的文档值得缓存 | 第29-30页 |
| ·Web 对象的生存周期 | 第30-31页 |
| ·Web 缓存替换策略分类 | 第31-32页 |
| ·基于访问次数的替换策略 | 第31页 |
| ·基于访问时间间隔的替换策略 | 第31页 |
| ·基于对象大小的替换策略 | 第31-32页 |
| ·基于成本/价值模型的替换策略 | 第32页 |
| ·影响缓存替换的因素 | 第32-34页 |
| ·Web 对象的可缓存性 | 第32页 |
| ·Web 对象内容的类型 | 第32-33页 |
| ·Web 对象的大小 | 第33页 |
| ·Web 对象的流行度 | 第33页 |
| ·Web 对象的修改频率 | 第33-34页 |
| ·用户感兴趣程度 | 第34页 |
| ·基于用户兴趣以及Web 对象访问特性的替换算法 GDSF-AI | 第34-44页 |
| ·GDS 策略原理 | 第34-35页 |
| ·GDSF 策略原理 | 第35-37页 |
| ·GDSF-AI 策略设计分析 | 第37-41页 |
| ·GDSF-AI 策略流程 | 第41-44页 |
| ·仿真实验 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 Web 预取与缓存替换相结合策略的研究 | 第48-63页 |
| ·引言 | 第48页 |
| ·Web 预取算法的分类 | 第48-50页 |
| ·基于超链接的预取算法 | 第48-49页 |
| ·基于用户访问模式的预取算法 | 第49页 |
| ·基于Web 对象流行度的预取算法 | 第49-50页 |
| ·基于用户兴趣的预取算法 | 第50页 |
| ·Web 日志挖掘 | 第50-52页 |
| ·数据预处理 | 第52-54页 |
| ·数据净化 | 第52-53页 |
| ·用户识别 | 第53-54页 |
| ·会话识别 | 第54页 |
| ·事务识别 | 第54页 |
| ·路径补充 | 第54页 |
| ·Web 预测算法 | 第54-56页 |
| ·Web 预取与缓存替换相结合的算法P-GDSF-AI | 第56-60页 |
| ·Web 缓存与预取结合的模型 | 第57-58页 |
| ·Web 预取与缓存替换相结合的算法P-GDSF-AI 原理分析 | 第58-60页 |
| ·仿真实验 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-67页 |
| ·攻读硕士期间的主要工作 | 第63-65页 |
| ·论文总结 | 第65页 |
| ·工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士期间完成的论文与成果 | 第72页 |
