| 第一章 绪论 | 第1-16页 |
| 1．1 Ineternet智能搜索agent发展背景 | 第9页 |
| 1．2 Agent的定义 | 第9-11页 |
| 1．3 软件Agent的研究现状 | 第11-12页 |
| 1．4 软件Agent的体系结构 | 第12-13页 |
| 1．5 本文的研究目标和研究内容 | 第13-16页 |
| 第二章 智能搜索Agent的网络搜索子系统 | 第16-33页 |
| 2．1 WWW信息构造 | 第16-18页 |
| 2．1．1 WWW的Web文档结构 | 第16-17页 |
| 2．1．2 HTTP协议 | 第17页 |
| 2．1．3 HTML语言 | 第17-18页 |
| 2．2 现有Web搜索引擎的搜索方法 | 第18-20页 |
| 2．2．1 RBSE Spider的文档发现策略 | 第18-19页 |
| 2．2．2 WWW Worm的文档发现策略 | 第19页 |
| 2．2．3 WebCrawler的文档发现策略 | 第19-20页 |
| 2．3 Agent信息搜索服务系统的算法实现 | 第20-21页 |
| 2．4 Agent与网络搜索引擎的连接技术 | 第21-26页 |
| 2．4．1 当前网络搜索引擎的查询技术 | 第21-22页 |
| 2．4．2 Agent系统的查询代理技术 | 第22-26页 |
| 2．5 有限区域深度-广度优先搜索算法 | 第26-29页 |
| 2．5．1 有限区域深度优先搜索算法 | 第26-28页 |
| 2．5．2 有限区域广度优先搜索算法 | 第28-29页 |
| 2．5．3 有限区域深度-广度优先搜索算法特点 | 第29页 |
| 2．6 Agent网络搜索子系统的体系结构 | 第29-32页 |
| 2．6．1 收集控制 | 第30页 |
| 2．6．2 触发器 | 第30-32页 |
| 2．7 信息搜索子系统特点 | 第32-33页 |
| 第三章 智能搜索Agent信息过滤子系统 | 第33-42页 |
| 3．1 中文分词现状 | 第33-34页 |
| 3．2 本系统采用的分词方法 | 第34-38页 |
| 3．3 信息过滤子系统中Web文档和处理方法 | 第38-39页 |
| 3．4 信息过滤 | 第39-42页 |
| 第四章 智能Agent的机器学习子系统 | 第42-61页 |
| 4．1 机器学习技术的发展现状 | 第42-43页 |
| 4．2 机器学习技术在智能Agent中的应用现状及前景 | 第43-44页 |
| 4．3 机器学习系统整体设计方案 | 第44-51页 |
| 4．3．1 简述 | 第44-45页 |
| 4．3．2 机器学习子系统中的知识库构造 | 第45-46页 |
| 4．3．3 知识库中的知识表示 | 第46-47页 |
| 4．3．4 智能搜索Agent中的知识表示方法 | 第47-51页 |
| 4．4 机器学习机制的设计 | 第51-59页 |
| 4．4．1 基于记忆观察的机器学习方法 | 第52-55页 |
| 4．4．2 基于用户反馈的机器学习方法 | 第55页 |
| 4．4．3 基于改进的ID3的归纳学习方法 | 第55-59页 |
| 4．5 机器学习子系统的特点 | 第59-61页 |
| 第五章 智能搜索Agent的整体实现方法 | 第61-74页 |
| 5．1 系统平台与开发工具 | 第61-62页 |
| 5．2 智能搜索Agent的体系结构图 | 第62-63页 |
| 5．3 智能搜索Agent的软件框架图 | 第63-64页 |
| 5．4 知识库设计 | 第64-67页 |
| 5．4．1 表结构及作用 | 第64-67页 |
| 5．4．2 各个表之间的关联关系 | 第67页 |
| 5．5 智能搜索Agent中三个子系统的相互关系 | 第67-70页 |
| 5．5．1 机器学习子系统与网络搜索子系统的相互关系 | 第67-68页 |
| 5．5．2 网络搜索子系统与信息过滤子系统的相互关系 | 第68页 |
| 5．5．3 信息过滤子系统与机器学习子系统的相互关系 | 第68-69页 |
| 5．5．4 三个子系统的整体关系 | 第69-70页 |
| 5．6 智能搜索Agent的整体效果分析 | 第70-74页 |
| 5．6．1 自主性、预动性 | 第70-72页 |
| 5．6．2 智能性 | 第72-74页 |
| 结 论 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-80页 |
| 致谢 | 第80页 |
