首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

Internet智能搜索Agent研究与实现

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

论文共80页,点击 下载论文
上一篇:强直性脊柱炎患者HLA-B27的检测、抗原纯化及表达水平的研究(附167例临床分析)
下一篇:肘关节稳定性的应用解剖和生物力学研究