| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-26页 |
| ·研究背景及意义 | 第12-14页 |
| ·国内外研究现状 | 第14-22页 |
| ·成员搜索引擎数据库选择研究 | 第16-17页 |
| ·搜索结果合成处理研究 | 第17-19页 |
| ·元搜索引擎的个性化和智能化研究 | 第19-22页 |
| ·论文结构安排 | 第22-23页 |
| ·论文创新点 | 第23-26页 |
| 第二章 智能元搜索引擎技术的相关理论 | 第26-40页 |
| ·向量空间模型 | 第26-27页 |
| ·文档的向量化表示 | 第26-27页 |
| ·相似度计算 | 第27页 |
| ·搜索引擎 | 第27-30页 |
| ·搜索引擎的结构 | 第27-29页 |
| ·搜索引擎的分类 | 第29-30页 |
| ·搜索引擎结果排序 | 第30页 |
| ·元搜索引擎 | 第30-35页 |
| ·元搜索引擎的体系结构 | 第31-32页 |
| ·元搜索引擎的分类 | 第32-33页 |
| ·元搜索引擎的技术难点 | 第33-34页 |
| ·元搜索引擎的发展趋势 | 第34-35页 |
| ·聚类浏览技术 | 第35-39页 |
| ·文本聚类的概念 | 第36页 |
| ·常用文本聚类方法 | 第36页 |
| ·聚类浏览技术的基本要求 | 第36-37页 |
| ·聚类浏览技术的分类 | 第37页 |
| ·聚类浏览技术的评价方法 | 第37-39页 |
| ·聚类浏览技术的发展方向 | 第39页 |
| ·小结 | 第39-40页 |
| 第三章 基于Multi-Agent的智能元搜索引擎模型设计 | 第40-66页 |
| ·引言 | 第40页 |
| ·Agent技术 | 第40-45页 |
| ·Agent的内涵 | 第40-41页 |
| ·Multi-Agent系统 | 第41-42页 |
| ·移动Agent与传统分布式技术的比较 | 第42-45页 |
| ·基于Multi-Agent的智能元搜索引擎系统模型整体设计 | 第45-61页 |
| ·MAIME系统的ASM设计 | 第46-53页 |
| ·MAIME系统的Agent结构设计 | 第53-55页 |
| ·MAIME模型的系统结构 | 第55-57页 |
| ·基于Petri网的MAIME建模 | 第57-61页 |
| ·模型的技术分析 | 第61-65页 |
| ·移动Agent和常驻Agent相结合的搜索机制 | 第61-63页 |
| ·个性化和聚类浏览相结合的检索方式 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第四章 成员搜索引擎选择算法研究 | 第66-84页 |
| ·引言 | 第66-67页 |
| ·典型的成员搜索引擎选择算法 | 第67-72页 |
| ·定性方法 | 第67-69页 |
| ·定量方法 | 第69-70页 |
| ·基于学习的方法 | 第70-72页 |
| ·基于虚拟语言模型的成员搜索引擎选择算法 | 第72-79页 |
| ·算法设计思路 | 第73-74页 |
| ·基于主题概念的数据库特征描述 | 第74-75页 |
| ·基于虚拟语言模型的数据库选择算法 | 第75-78页 |
| ·算法小结 | 第78-79页 |
| ·实验结果与分析 | 第79-81页 |
| ·数据集合构建 | 第79页 |
| ·评价方法 | 第79页 |
| ·实验结果 | 第79-81页 |
| ·小结 | 第81-84页 |
| 第五章 元搜索引擎结果合成算法研究 | 第84-102页 |
| ·引言 | 第84-85页 |
| ·典型的结果合成算法 | 第85-89页 |
| ·基于位置信息的合成算法 | 第85-86页 |
| ·基于分值的合成算法 | 第86-87页 |
| ·基于内容的合成算法 | 第87页 |
| ·重叠文档在结果合成中的处理方法 | 第87-88页 |
| ·实际应用中元搜索引擎的合成算法 | 第88-89页 |
| ·搜索结果合成的预处理技术 | 第89-91页 |
| ·无效链接检查 | 第89-90页 |
| ·查询结果消重 | 第90-91页 |
| ·基于群决策的结果合成算法 | 第91-96页 |
| ·相关分值的规范化 | 第92-93页 |
| ·非相关文档的相关分值估算 | 第93-94页 |
| ·相关分值合并 | 第94-96页 |
| ·算法小结 | 第96页 |
| ·实验结果与分析 | 第96-100页 |
| ·数据集合构建 | 第96页 |
| ·评价方法 | 第96-97页 |
| ·实验结果 | 第97-100页 |
| ·小结 | 第100-102页 |
| 第六章 搜索结果聚类算法研究 | 第102-118页 |
| ·引言 | 第102-103页 |
| ·典型搜索结果聚类算法 | 第103-106页 |
| ·传统聚类算法的应用 | 第103-104页 |
| ·典型Web Snippets聚类算法 | 第104-106页 |
| ·基于概念分组的聚类算法 | 第106-113页 |
| ·概念分组技术 | 第107-109页 |
| ·概念分组算法的改进 | 第109-110页 |
| ·Web搜索结果聚类算法的步骤 | 第110-112页 |
| ·算法小结 | 第112-113页 |
| ·实验结果与分析 | 第113-117页 |
| ·评价数据集合构建 | 第113页 |
| ·评价方法 | 第113-114页 |
| ·实验结果 | 第114-117页 |
| ·小结 | 第117-118页 |
| 第七章 总结与展望 | 第118-122页 |
| ·研究总结 | 第118-119页 |
| ·进一步的研究工作 | 第119-122页 |
| 致谢 | 第122-124页 |
| 参考文献 | 第124-140页 |
| 读博期间的学术论文和参加的科研项目 | 第140-141页 |