| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| ·论文的选题背景和研究意义 | 第7-8页 |
| ·选题背景 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·论文的研究内容、主要工作及创新点 | 第8-10页 |
| ·论文的研究内容 | 第8-10页 |
| ·论文的主要工作及创新点 | 第10页 |
| ·论文的内容组织 | 第10-11页 |
| 2. 相关工作 | 第11-24页 |
| ·Web 数据挖掘研究 | 第11-16页 |
| ·Web 内容挖掘 | 第12页 |
| ·Web 结构挖掘 | 第12-14页 |
| ·Web 使用挖掘 | 第14-16页 |
| ·个性化搜索研究 | 第16-17页 |
| ·个性化搜索研究现状及存在的问题 | 第16页 |
| ·个性化搜索目前的主要方法 | 第16-17页 |
| ·用户特征模型的研究 | 第17-24页 |
| ·用户特征模型的研究现状及存在的问题 | 第17-19页 |
| ·用户特征模型的主要技术 | 第19-24页 |
| 3 基于社会化标签的用户特征模型的构建 | 第24-37页 |
| ·社会化标签的主要技术 | 第24页 |
| ·基于社会化标签用户特征模型构建方法 | 第24-29页 |
| ·Tag Cloud (标签云) | 第26-28页 |
| ·Query-Tag-Tree （查询-标签-树） | 第28-29页 |
| ·基于社会化标签用户特征的表示 | 第29-34页 |
| ·基于用户搜索记录数据的用户特征表示 | 第29-32页 |
| ·基于用户标注行为数据的用户特征表示 | 第32-34页 |
| ·基于社会化标签用户特征模型的学习 | 第34-35页 |
| ·Rocchio 算法 | 第34-35页 |
| ·LLSF 算法(Linear Least Squares Fit) | 第35页 |
| ·KNN 算法 | 第35页 |
| ·Adaptive Learning 算法 | 第35-37页 |
| 4 基于社会化标签的用户个性化推荐 | 第37-47页 |
| ·基于一般用户特征的推荐 | 第38-39页 |
| ·基于用户特征的推荐 | 第39-40页 |
| ·基于一般特征与用户特征相结合的推荐 | 第40-41页 |
| ·基于社会化标签的协同过滤推荐 | 第41-43页 |
| ·实验 | 第43-47页 |
| ·数据准备 | 第43页 |
| ·实验结果分析与评估 | 第43-47页 |
| 5 总结与展望 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间发表论文情况 | 第55-56页 |