| 摘要 | 第5-7页 |
| ASBSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究的意义 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.2.1 个性化推荐研究现状 | 第13-14页 |
| 1.2.2 聚类研究现状 | 第14页 |
| 1.3 本文内容及组织结构 | 第14-16页 |
| 第二章 相关技术研究 | 第16-22页 |
| 2.1 文本聚类 | 第16-19页 |
| 2.1.1 文本预处理 | 第16-17页 |
| 2.1.2 聚类算法 | 第17-19页 |
| 2.2 个性化推荐 | 第19-21页 |
| 2.2.1 个性化推荐概述 | 第19页 |
| 2.2.2 个性化推荐算法 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于主题的Web文本聚类TWTC | 第22-30页 |
| 3.1 TWTC聚类流程 | 第22页 |
| 3.2 TWTC聚类具体实现 | 第22-28页 |
| 3.2.1 Web文本资源预处理 | 第23页 |
| 3.2.2 基于HowNet的主题抽取 | 第23-25页 |
| 3.2.3 基于tf-idf的特征抽取 | 第25-27页 |
| 3.2.4 文本特征表示 | 第27页 |
| 3.2.5 Web文本资源聚类 | 第27-28页 |
| 3.3 算法性能分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于用户兴趣挖掘的Web资源动态推荐 | 第30-39页 |
| 4.1 用户兴趣挖掘方法 | 第30-31页 |
| 4.1.1 显式跟踪方法 | 第30-31页 |
| 4.1.2 隐式跟踪方法[34] | 第31页 |
| 4.2 用户浏览行为分析 | 第31-32页 |
| 4.2.1 用户浏览行为的分类 | 第31-32页 |
| 4.2.2 用户浏览行为的选择 | 第32页 |
| 4.3 用户兴趣捕获 | 第32-35页 |
| 4.3.1 基于浏览行为计算用户对Web资源的兴趣度 | 第33-34页 |
| 4.3.2 用户兴趣的提取和表示 | 第34-35页 |
| 4.3.3 算法性能分析 | 第35页 |
| 4.4 用户兴趣信息动态更新 | 第35-37页 |
| 4.4.1 用户兴趣信息更新流程 | 第35-36页 |
| 4.4.2 用户兴趣更新具体实现 | 第36-37页 |
| 4.5 基于用户兴趣变更的Web资源推荐方法 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 实验与结论 | 第39-46页 |
| 5.1 实验环境 | 第39页 |
| 5.2 系统实现 | 第39-41页 |
| 5.2.1 功能模块介绍 | 第39-40页 |
| 5.2.2 主要界面 | 第40-41页 |
| 5.3 实验 | 第41-45页 |
| 5.3.1 实验数据 | 第41-42页 |
| 5.3.2 实验评价标准 | 第42-43页 |
| 5.3.3 实验与结果分析 | 第43-45页 |
| 5.4 本章小结 | 第45-46页 |
| 总结与展望 | 第46-47页 |
| 参考文件 | 第47-51页 |
| 攻读硕士期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |