| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景与问题提出 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 企业搜索引擎 | 第10-11页 |
| 1.2.2 开源搜索引擎 | 第11页 |
| 1.2.3 信息咨询引擎 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 本文结构安排 | 第13-14页 |
| 第2章 信息咨询引擎系统的相关技术研究 | 第14-25页 |
| 2.1 面向信息咨询的搜索引擎技术 | 第14-19页 |
| 2.1.1 网络爬虫概述和Heritrix框架介绍 | 第14-16页 |
| 2.1.2 索引技术 | 第16-18页 |
| 2.1.3 检索技术 | 第18页 |
| 2.1.4 分词技术 | 第18-19页 |
| 2.2 个性化搜索技术 | 第19-24页 |
| 2.2.1 个性化搜索引擎技术 | 第19-23页 |
| 2.2.2 用户模型概述 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于用户浏览行为的个性化特征表示方法 | 第25-33页 |
| 3.1 用户浏览行为特征抽取 | 第25-27页 |
| 3.1.1 特征抽取 | 第25页 |
| 3.1.2 个性化建模 | 第25-27页 |
| 3.2 用户个性化特征表示 | 第27-28页 |
| 3.3 用户个性化模型的建立 | 第28-32页 |
| 3.3.1 特征向量的提取与选择 | 第29-30页 |
| 3.3.2 特征向量矩阵和用户模型的建立 | 第30-31页 |
| 3.3.3 用户模型存储和更新 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于改进的Page Rank个性化排序方法 | 第33-43页 |
| 4.1 方法概述 | 第33-34页 |
| 4.2 关键词序列抽取方法 | 第34-35页 |
| 4.3 基于个性化网页权重计算的Page Rank算法 | 第35-37页 |
| 4.4 基于事务聚类的Page Rank改进算法 | 第37-42页 |
| 4.4.1 基于事务聚类模式的个性化Page Rank方法 | 第38-40页 |
| 4.4.2 基于主题化事务聚类模式的个性化Page Rank方法 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 信息咨询引擎系统的设计与实验 | 第43-62页 |
| 5.1 总体设计 | 第43-44页 |
| 5.2 系统详细设计 | 第44-53页 |
| 5.2.1 公司内部数据对接模块 | 第44-45页 |
| 5.2.2 互联网数据抓取模块 | 第45-48页 |
| 5.2.3 索引模块的设计与实现 | 第48-51页 |
| 5.2.4 数据查询模块的设计与实现 | 第51页 |
| 5.2.5 个性化推荐模块的设计与实现 | 第51-52页 |
| 5.2.6 搜索结果可视化模块的设计与实现 | 第52-53页 |
| 5.3 系统实现 | 第53-55页 |
| 5.3.1 系统运行环境 | 第53页 |
| 5.3.2 系统运行效果 | 第53-55页 |
| 5.4 实验结果对比分析 | 第55-61页 |
| 5.4.1 基于Endeca和Solr的搜索引擎对比实验与分析 | 第55-58页 |
| 5.4.2 基于用户个性化模型排序算法实验与分析 | 第58-59页 |
| 5.4.3 基于改进的Page Rank算法实验与分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 个人简历 | 第69页 |
