| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 图清单 | 第10-11页 |
| 表清单 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题的研究背景 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·个性化信息服务 | 第13-14页 |
| ·RSS 技术 | 第14-15页 |
| ·本文的研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-18页 |
| 第二章 基于WordNet 的语义相似度计算 | 第18-32页 |
| ·数据表示 | 第18-20页 |
| ·向量空间模型 | 第18-19页 |
| ·单词列表表示法 | 第19-20页 |
| ·单词间的语义相似度 | 第20-27页 |
| ·WordNet：一个词汇数据库 | 第20-21页 |
| ·相似度的定义 | 第21-22页 |
| ·单词间的语义相似度计算 | 第22-26页 |
| ·改进的混合法 | 第26-27页 |
| ·单词列表间的语义相似度计算 | 第27-28页 |
| ·实验结果与分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于语义分析的推荐算法 | 第32-47页 |
| ·传统的个性化推荐技术 | 第32-40页 |
| ·基于规则的推荐算法 | 第32-34页 |
| ·基于内容过滤的推荐算法 | 第34-35页 |
| ·基于协同过滤的推荐算法 | 第35-40页 |
| ·基于语义分析的推荐算法 | 第40-46页 |
| ·聚类问题描述 | 第40-41页 |
| ·用户模型的数学表示 | 第41页 |
| ·综合相似度的计算 | 第41-43页 |
| ·文本聚类算法 | 第43-45页 |
| ·基于语义分析的推荐算法（RAUSA）（Recommendation algorithm using semantic analysis） | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于语义分析的推荐算法在RSS 信息服务中的应用 | 第47-58页 |
| ·RSS 技术 | 第47-50页 |
| ·个性化的RSS 新闻信息服务平台的构建思路 | 第50-51页 |
| ·平台的设计目标和功能 | 第50页 |
| ·平台的构建思路 | 第50-51页 |
| ·个性化的RSS 新闻信息服务平台的设计 | 第51-57页 |
| ·平台的运行结构 | 第51-52页 |
| ·平台的结构设计 | 第52页 |
| ·RSS 内容获取和存储 | 第52-53页 |
| ·个性化推荐处理 | 第53-56页 |
| ·信息推送 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 实验和结果分析 | 第58-73页 |
| ·平台的实现 | 第58-65页 |
| ·RSS 内容获取和解析 | 第58-59页 |
| ·新闻信息的表示 | 第59-61页 |
| ·语义相似度的计算 | 第61-64页 |
| ·个性化推荐算法 | 第64-65页 |
| ·实验 | 第65-68页 |
| ·实验环境 | 第65-66页 |
| ·实验数据 | 第66页 |
| ·评估标准 | 第66-67页 |
| ·实验方法 | 第67-68页 |
| ·实验结果与分析 | 第68-71页 |
| ·参数确定 | 第68页 |
| ·实验结果与分析 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 总结 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 在校期间的研究成果及发表的学术论文 | 第79页 |