| 目录 | 第2-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章. 引言 | 第6-11页 |
| 1.1. 研究背景及意义 | 第6-7页 |
| 1.2. 国内外研究现状 | 第7-10页 |
| 1.2.1. 个性化搜索研究现状与趋势 | 第7-9页 |
| 1.2.2. 互动电视节目搜索技术现状与趋势 | 第9-10页 |
| 1.3. 论文研究内容 | 第10页 |
| 1.4. 论文结构安排 | 第10-11页 |
| 第2章 .相关技术研究 | 第11-23页 |
| 2.1. 网络信息搜集技术 | 第11-12页 |
| 2.2. 语义分析技术 | 第12-13页 |
| 2.3. 搜索排序算法 | 第13-15页 |
| 2.3.1. PageRank算法 | 第14-15页 |
| 2.3.2. HITS算法 | 第15页 |
| 2.4. 兴趣挖掘技术 | 第15-18页 |
| 2.4.1. Web数据挖掘简介 | 第15-17页 |
| 2.4.2. 挖掘用户喜好的途径与方法 | 第17-18页 |
| 2.5. 用户建模技术 | 第18-22页 |
| 2.5.1. 用户模型 | 第18-19页 |
| 2.5.2. 用户模型表示 | 第19-21页 |
| 2.5.3. 用户模型的学习 | 第21-22页 |
| 2.6. 本章小结 | 第22-23页 |
| 第3章. 面向IPTV影视节目个性化搜索系统中的相关技术 | 第23-33页 |
| 3.1. 信息采集 | 第23-26页 |
| 3.2. Lucene开源工具 | 第26-28页 |
| 3.2.1. Lucene中文分词 | 第26-27页 |
| 3.2.2. Lucene索引机制 | 第27-28页 |
| 3.3. 用户反馈学习 | 第28-29页 |
| 3.4. 用户兴趣建模 | 第29-31页 |
| 3.4.1. 兴趣模型表示 | 第30-31页 |
| 3.4.2. 兴趣模型的更新 | 第31页 |
| 3.4.3. 相似性计算及搜索算法 | 第31页 |
| 3.5. 结果融合排序 | 第31-32页 |
| 3.6. 本章小结 | 第32-33页 |
| 第4章. 面向IPTV的影视节目个性化搜索系统框架设计 | 第33-47页 |
| 4.1. 系统设计背景 | 第33页 |
| 4.2. 系统架构 | 第33-34页 |
| 4.2.1 系统架构概述 | 第33-34页 |
| 4.3 FDSE系统实现 | 第34-41页 |
| 4.3.1 FDSE内部框架 | 第34-35页 |
| 4.3.2 影视元预处理子系统 | 第35-36页 |
| 4.3.3 影视搜索子系统 | 第36-38页 |
| 4.3.4 个性化模型训练子系统 | 第38-40页 |
| 4.3.5 数据库子系统 | 第40-41页 |
| 4.4. FDSE外部通信接口 | 第41-44页 |
| 4.4.1. 总体通信时序图 | 第41-42页 |
| 4.4.2. ODA与FDSE通信接口 | 第42-43页 |
| 4.4.3. 搜索请求与响应接口(第5、7步) | 第43-44页 |
| 4.5 系统运行效果 | 第44-47页 |
| 第5章. 总结与展望 | 第47-49页 |
| 5.1. 面向IPTV影视节目个性化搜索系统特点 | 第47页 |
| 5.2. 不足与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |