| 摘要 | 第1-8页 |
| ABSTRACT | 第8-16页 |
| 第一章 绪论 | 第16-44页 |
| ·信息检索的发展 | 第16-21页 |
| ·信息检索的定义与基本原理 | 第16-17页 |
| ·信息检索的模型 | 第17-19页 |
| ·信息检索的分类 | 第19-20页 |
| ·信息检索的发展 | 第20-21页 |
| ·Web search | 第21-26页 |
| ·Web信息资源 | 第21-22页 |
| ·Web信息检索 | 第22-23页 |
| ·搜索引擎的组成 | 第23-24页 |
| ·Web search与IR的关系 | 第24-26页 |
| ·现代信息检索面临的挑战 | 第26-33页 |
| ·现代信息检索面临的挑战 | 第26-29页 |
| ·Web search的有效性问题 | 第29-32页 |
| ·Web search的效率问题 | 第32页 |
| ·Web search有效性与效率的关系 | 第32-33页 |
| ·上下文感知的Web搜索 | 第33-44页 |
| ·上下文感知的信息检索 | 第33-35页 |
| ·Web搜索的上下文环境 | 第35-37页 |
| ·个性化Web搜索与上下文搜索的关系 | 第37-38页 |
| ·本文提出的解决方案 | 第38-40页 |
| ·本文研究的主要内容和组织结构 | 第40-44页 |
| 第二章 个性化搜索关键技术及链接分析算法 | 第44-61页 |
| ·个性化信息搜索 | 第44-46页 |
| ·用户建模技术 | 第46-49页 |
| ·信息采集 | 第46-47页 |
| ·用户描述文件 | 第47-49页 |
| ·用户模型的学习与更新 | 第49页 |
| ·信息过滤技术 | 第49-50页 |
| ·基于内容的信息过滤技术 | 第50页 |
| ·基于协作的信息过滤技术 | 第50页 |
| ·Web链接分析 | 第50-52页 |
| ·PageRank算法 | 第52-54页 |
| ·PageRank算法 | 第52-53页 |
| ·PageRank算法的改进 | 第53-54页 |
| ·HITS算法 | 第54-60页 |
| ·HITS算法 | 第54-58页 |
| ·HITS算法存在的问题 | 第58-59页 |
| ·HITS算法的改进 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第三章 基于本体感知用户查询 | 第61-87页 |
| ·用户上下文 | 第61-62页 |
| ·参考本体-Wordnet | 第62-65页 |
| ·语义相似度 | 第65-76页 |
| ·语义标识 | 第65-69页 |
| ·公共语义 | 第69-71页 |
| ·语义相似度 | 第71-76页 |
| ·用户上下文中感知用户查询 | 第76-86页 |
| ·词义排岐 | 第76-78页 |
| ·兴趣主题的发现 | 第78-83页 |
| ·查询意图的获取 | 第83-86页 |
| ·查询和任务上下文中感知用户查询 | 第86页 |
| ·本章小结 | 第86-87页 |
| 第四章 个性化概念图的信息度量 | 第87-106页 |
| ·语义相似度研究现状 | 第87-88页 |
| ·个性化概念图的获取 | 第88-91页 |
| ·个性化概念图的获取 | 第88-91页 |
| ·个性化概念图的表示 | 第91页 |
| ·个性化概念图中概念的权重 | 第91-97页 |
| ·概念的权重定义 | 第91-92页 |
| ·概念图的概率转移矩阵 | 第92-93页 |
| ·路径的转移概率 | 第93-94页 |
| ·概念节点的概率 | 第94-95页 |
| ·计算概念节点概率算法 | 第95-97页 |
| ·个性化概念图中概念的语义信息度量 | 第97-102页 |
| ·语义信息度量 | 第97-99页 |
| ·概念之间转移概率计算 | 第99-102页 |
| ·概念间的个性化语义相似度量 | 第102-105页 |
| ·小结 | 第105-106页 |
| 第五章 基于社群网络的作者相似度量 | 第106-127页 |
| ·背景介绍 | 第106-107页 |
| ·协同引用分析研究现状 | 第107-109页 |
| ·符号约定 | 第109-110页 |
| ·数据建模 | 第110-113页 |
| ·数据的获取 | 第110页 |
| ·数据的筛选 | 第110-111页 |
| ·数据建模 | 第111-113页 |
| ·张量分解 | 第113-115页 |
| ·模糊概念与相似度量 | 第115-116页 |
| ·实验及评价 | 第116-126页 |
| ·数据的获取和统计特征 | 第116-119页 |
| ·数据筛选 | 第119-121页 |
| ·数据建模 | 第121-122页 |
| ·三阶张量X分解 | 第122-126页 |
| ·本章小结 | 第126-127页 |
| 第六章 基于内容和链接的上下文检索模型 | 第127-146页 |
| ·背景介绍 | 第127-130页 |
| ·基于内容检索模型存在的问题 | 第127-128页 |
| ·基于链接分析检索模型存在的问题 | 第128-129页 |
| ·通用检索模型存在的问题 | 第129页 |
| ·问题的解决方法 | 第129-130页 |
| ·基于内容的潜语义LSI模型 | 第130-133页 |
| ·潜语义LSI模型 | 第131-133页 |
| ·个性化的潜语义CLSI模型 | 第133页 |
| ·基于链接分析的HITS模型 | 第133-134页 |
| ·基于内容和链接的个性化CHITS模型 | 第134-139页 |
| ·文档的个性化CF-IDF表示 | 第135-136页 |
| ·个性化连结权重 | 第136-137页 |
| ·有向图的个性化连结矩阵 | 第137-138页 |
| ·文档权威度量 | 第138-139页 |
| ·实验与评价 | 第139-144页 |
| ·本章小结 | 第144-146页 |
| 第七章 基于超文本和链接的上下文检索模型 | 第146-163页 |
| ·背景介绍 | 第146-148页 |
| ·相关工作 | 第148-149页 |
| ·基于超文本的张量模型的建立 | 第149-152页 |
| ·TOPHITS模型 | 第149-150页 |
| ·社区发现及主题提取 | 第150-152页 |
| ·基于超文本的主题模型THTA建立 | 第152-156页 |
| ·THTA(Topic Hub Topic Authority)模型 | 第152-153页 |
| ·计算页面和锚文字在主社区中的分值 | 第153-155页 |
| ·次主流社区的发现与主题提取 | 第155-156页 |
| ·扩展模型ETHTA的建立 | 第156-159页 |
| ·上下文感知的个性化扩展模型CTHAT | 第159页 |
| ·模型分析与比较 | 第159-162页 |
| ·模型之间的联系 | 第159-160页 |
| ·模型之间的区别 | 第160-162页 |
| ·本章小结 | 第162-163页 |
| 第八章.总结与展望 | 第163-167页 |
| ·全文总结 | 第163-164页 |
| ·成果的应用 | 第164-165页 |
| ·未来展望 | 第165-167页 |
| 参考文献 | 第167-176页 |
| 附录-作者攻读博士学位期间已发表的学术论文 | 第176-177页 |
| 致谢 | 第177页 |