| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 相关研究工作 | 第16-24页 |
| 1.2.1 随机链接特征分析及理论 | 第17-19页 |
| 1.2.2 超链接(Hyperlink)特征分析及应用 | 第19-22页 |
| 1.2.3 语义 Web 链接特征分析及应用 | 第22-24页 |
| 1.3 研究内容 | 第24-25页 |
| 1.4 本研究的创新点和意义 | 第25-27页 |
| 第二章 Web 资源层关联语义链接特征分析 | 第27-52页 |
| 2.1 基本定义 | 第27-30页 |
| 2.2 Web 资源间关联语义链接的统计特征计算方法 | 第30-34页 |
| 2.2.1 Web 资源数据集和计算参数 | 第30-31页 |
| 2.2.2 关联语义链接过滤算法 | 第31-33页 |
| 2.2.3 关联语义链接网络统计特征计算步骤 | 第33-34页 |
| 2.3 Web 资源间关联语义链接的路径特征分析 | 第34-39页 |
| 2.3.1 不同过滤参数条件下平均路径长度分析 | 第34-36页 |
| 2.3.2 递增网络规模条件下平均路径演化分析 | 第36-38页 |
| 2.3.3 路径特征分析结论及意义 | 第38-39页 |
| 2.4 Web 资源间关联语义链接的聚集特征分析 | 第39-45页 |
| 2.4.1 不同过滤参数条件下聚类系数分析 | 第40-43页 |
| 2.4.2 递增网络规模条件下聚类系数演化分析 | 第43-44页 |
| 2.4.3 聚集特征分析结论及意义 | 第44-45页 |
| 2.5 Web 资源间关联语义链接的度分布特征分析 | 第45-48页 |
| 2.5.1 度分布计算方法 | 第45-46页 |
| 2.5.2 关联语义链接网络度分布分析 | 第46-47页 |
| 2.5.3 度分布特征分析结论及意义 | 第47-48页 |
| 2.6 Web 资源间关联语义链接路径理论 | 第48-50页 |
| 2.7 小结 | 第50-52页 |
| 第三章 Web 环境下关键词层稀疏关联语义链接特征分析及获取 | 第52-71页 |
| 3.1 关联语义链接的时间有效性 | 第52-54页 |
| 3.2 稀疏关联语义链接挖掘存在的问题 | 第54-57页 |
| 3.2.1 为什么要设定关联语义链接挖掘的时间窗口？ | 第54-55页 |
| 3.2.2 如何设定关联语义链接挖掘的时间窗口？ | 第55-56页 |
| 3.2.3 给定时间窗口下稀疏关联语义链接丢失的原因分析 | 第56-57页 |
| 3.3 Web 环境下稀疏关联语义链接快速挖掘模型 | 第57-63页 |
| 3.3.1 稀疏关联语义链接挖掘理论 | 第57-60页 |
| 3.3.2 稀疏关联语义链接快速挖掘模型 | 第60-61页 |
| 3.3.3 稀疏关联语义链接快速挖掘算法 | 第61-63页 |
| 3.4 Web 环境下稀疏关联语义链接挖掘模型评价及实验 | 第63-69页 |
| 3.4.1 模型评价方法 | 第63-64页 |
| 3.4.2 实验结果 | 第64-69页 |
| 3.5 小结 | 第69-71页 |
| 第四章 Web 环境下关键词层关联链接语义特征分析 | 第71-96页 |
| 4.1 关联语义链接中关键词的基本语义特征 | 第71-74页 |
| 4.1.1 关联语义链接中关键词的主动牵引性 | 第71-72页 |
| 4.1.2 关联语义链接中关键词的被动牵引性 | 第72-73页 |
| 4.1.3 基于基本语义特征的四种模式关键词 | 第73-74页 |
| 4.2 关联语义链接中四种模式关键词的分布 | 第74-79页 |
| 4.2.1 给定支持度下四种模式关键词的分布比例 | 第75-77页 |
| 4.2.2 不同支持度下关键词及关联语义链接的分布规律 | 第77-79页 |
| 4.3 关联语义链接的分层模型 | 第79-89页 |
| 4.3.1 关联语义链接分层基本思想 | 第79-81页 |
| 4.3.2 基于语义同心度的关联语义链接分层理论 | 第81-84页 |
| 4.3.3 基于语义同心度的关联语义链接分层模型 | 第84-86页 |
| 4.3.4 关联语义链接分层模型评价 | 第86-89页 |
| 4.4 基于关联语义链接分层模型的领域话题发现 | 第89-94页 |
| 4.4.1 领域当前关注的核心话题 | 第89-91页 |
| 4.4.2 领域长期关注的话题 | 第91-94页 |
| 4.5 小结 | 第94-96页 |
| 第五章 Web 环境下资源层链接统计特征形成的机理 | 第96-123页 |
| 5.1 问题的引出 | 第96-98页 |
| 5.1.1 链接统计特征形成机理研究的意义 | 第96-97页 |
| 5.1.2 链接统计特征形成机理研究的总体思路 | 第97-98页 |
| 5.2 Web 资源链接出度统计特征形成机理研究 | 第98-112页 |
| 5.2.1 Web 资源链接出度形成的主要因素分析 | 第98-102页 |
| 5.2.2 基于关键词主动牵引性的 Web 资源链接出度计算模型 | 第102-109页 |
| 5.2.3 链接出度计算模型实验分析 | 第109-112页 |
| 5.3 Web 资源链接入度统计特征形成机理研究 | 第112-121页 |
| 5.3.1 Web 资源链接入度形成的主要因素分析 | 第112-115页 |
| 5.3.2 基于关键词的被动牵引性的链接入度计算模型 | 第115-118页 |
| 5.3.3 链接入度计算模型实验分析 | 第118-121页 |
| 5.4 小结 | 第121-123页 |
| 第六章 基于关联语义链接特征分析的应用研究 | 第123-144页 |
| 6.1 基于链接特征分析的领域 Web 资源关联知识流智能浏览 | 第123-134页 |
| 6.1.1 关联知识流与关联语义链接 | 第123-124页 |
| 6.1.2 关联知识流的特征和用户浏览的特征 | 第124-125页 |
| 6.1.3 生成关联知识流需要解决的关键问题 | 第125-127页 |
| 6.1.4 基于链接特征分析的关联知识流生成机制 | 第127页 |
| 6.1.5 关联知识流生成算法 | 第127-129页 |
| 6.1.6 基于链接特征分析的 Web 资源关联知识流浏览模型 | 第129-131页 |
| 6.1.7 Web 资源层关联知识流实例 | 第131-132页 |
| 6.1.8 Web 资源层关联知识流浏览原型系统 | 第132-134页 |
| 6.2 基于链接特征分析的 Web 资源关联学习 | 第134-143页 |
| 6.2.1 为什么要进行“从 Web 资源中进行学习”? | 第134-135页 |
| 6.2.2 Web 资源的深度关联学习和宽度关联学习 | 第135-137页 |
| 6.2.3 关联学习的两个重要因素与链接统计特征 | 第137-138页 |
| 6.2.4 基于链接特征分析的 Web 资源关联学习模型 | 第138-140页 |
| 6.2.5 Web 资源关联学习模型的算法描述 | 第140-142页 |
| 6.2.6 Web 资源关联学习模型实例 | 第142-143页 |
| 6.3 小结 | 第143-144页 |
| 第七章 本文总结与展望 | 第144-147页 |
| 7.1 本文总结 | 第144-146页 |
| 7.2 研究展望 | 第146-147页 |
| 附录 | 第147-154页 |
| 参考文献 | 第154-163页 |
| 作者在攻读博士学位期间公开发表的论文 | 第163-165页 |
| 作者在攻读博士学位期间申请的专利 | 第165-166页 |
| 作者在攻读博士学位期间参加的项目 | 第166-167页 |
| 致谢 | 第167-168页 |
