| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 课题背景 | 第10-19页 |
| ·背景综述 | 第10-12页 |
| ·国内外研究现状 | 第12-19页 |
| ·基于内容的过滤技术 | 第13页 |
| ·协同过滤技术 | 第13-14页 |
| ·基于知识的推荐技术 | 第14-15页 |
| ·基于功能的推荐技术 | 第15页 |
| ·基于人口统计学的推荐技术 | 第15-17页 |
| ·对以上技术的小结 | 第17-19页 |
| 第二章 系统架构概述 | 第19-24页 |
| ·Agent Building (代理构建功能) | 第19-21页 |
| ·构建推荐代理实现对单个用户数据的快速采集和管理 | 第20页 |
| ·利用社区代理实现对大数据量用户的管理和动态调整 | 第20页 |
| ·建立调度Agent 进行后台监听和任务调度 | 第20-21页 |
| ·Classification & Self-Organization (分类与自组织功能) | 第21页 |
| ·社区特征动态挖掘 | 第21页 |
| ·实时的社区自组织 | 第21页 |
| ·Recommendation (推荐功能) | 第21-24页 |
| ·社区用户个性化推荐模块 | 第22页 |
| ·决策者个性化推荐模块 | 第22-23页 |
| ·社区用户即时交流模块 | 第23-24页 |
| 第三章 子系统详述 | 第24-35页 |
| ·学习平台构建 | 第24-29页 |
| ·JADE 平台 | 第24-26页 |
| ·Agent 特征 | 第26-29页 |
| ·基于JADE 的Agent 实现 | 第29-35页 |
| ·收藏夹功能模块 | 第30-31页 |
| ·已推荐资源功能模块 | 第31-32页 |
| ·社区邻居协同学习功能模块 | 第32-35页 |
| 第四章 推荐系统的自组织社区算法 | 第35-46页 |
| ·推荐系统中的社区结构发现方法 | 第35-39页 |
| ·基于信息统计的用户档案匹配方法 | 第35-36页 |
| ·基于用户打分相似度计算的方法 | 第36-37页 |
| ·基于隐式信息挖掘的方法 | 第37页 |
| ·基于小世界网络的方法 | 第37-39页 |
| ·算法一览 | 第39-40页 |
| ·基于Hebbian Learning Law 的自组织社区算法 | 第40-44页 |
| ·社区初始化 | 第40-41页 |
| ·权值更新算法 | 第41-43页 |
| ·潜在邻居结构调整 | 第43-44页 |
| ·优化策略 | 第44-46页 |
| ·反身性 | 第44-45页 |
| ·专家策略 | 第45-46页 |
| 第五章 实验及分析 | 第46-52页 |
| ·满意度度量 | 第46-48页 |
| ·性能分析 | 第48-50页 |
| ·准确率(Accuracy) | 第48-49页 |
| ·可扩展性(Scalability) | 第49-50页 |
| ·误差分析 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文目录 | 第59页 |