| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第1章 前言 | 第10-18页 |
| ·课题背景 | 第10-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本文主要研究内容 | 第16页 |
| ·全文组织结构 | 第16-18页 |
| 第2章 个性化信息检索关键技术 | 第18-30页 |
| ·搜索引擎技术概述 | 第18-23页 |
| ·信息检索模型的表示 | 第18-20页 |
| ·搜索引擎系统的基本组成原理 | 第20-22页 |
| ·个性化搜索引擎简介 | 第22-23页 |
| ·Web 挖掘技术 | 第23-25页 |
| ·Web 内容挖掘(Web content mining) | 第23-24页 |
| ·Web 结构挖掘(Web structure mining) | 第24-25页 |
| ·Web 日志挖掘(Web log mining) | 第25页 |
| ·用户兴趣建模 | 第25-29页 |
| ·用户兴趣的表示 | 第26-27页 |
| ·用户建模技术的类型 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 个性化用户兴趣模型的研究 | 第30-52页 |
| ·目标表示与特征提取 | 第30-31页 |
| ·目标表示 | 第30-31页 |
| ·特征提取 | 第31页 |
| ·基于词频统计的TFIDF 算法的分析及改进 | 第31-39页 |
| ·基于词频统计的TFIDF 算法 | 第32页 |
| ·TFIDF 算法的不足 | 第32-34页 |
| ·页面相关性权重的提出 | 第34-38页 |
| ·改进的加权TFIDF 算法及实现 | 第38-39页 |
| ·个性化用户兴趣建模 | 第39-46页 |
| ·基于加权TFIDF 算法的用户兴趣学习策略 | 第39-41页 |
| ·个性化用户兴趣模型PUIP 的实现 | 第41-43页 |
| ·用户兴趣的生成与更新 | 第43-46页 |
| ·实验及结果分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 个性化信息过滤技术 | 第52-62页 |
| ·基于VSM 的文档相关度算法 | 第52-53页 |
| ·改进的基于VSM 的文档相关度算法 | 第53-59页 |
| ·算法的提出 | 第53-56页 |
| ·个性化文档相关性排序算法的设计与实现 | 第56-58页 |
| ·算法流程图 | 第58-59页 |
| ·实验及结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于PUIP信息检索系统的研究 | 第62-68页 |
| ·系统总体框架 | 第62页 |
| ·系统主要功能模块 | 第62-64页 |
| ·个人管理器 | 第62-63页 |
| ·查询扩展 | 第63-64页 |
| ·其他模块说明 | 第64页 |
| ·实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结 | 第68-71页 |
| ·主要工作 | 第68-69页 |
| ·主要创新点 | 第69页 |
| ·存在的问题及未来的方向 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 个人简历、在学期间的研究成果 | 第77页 |
