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 |