| 原创性声明 | 第2页 |
| 关于学位论文使用授权的声明 | 第2-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第8-18页 |
| 1.1 个性化服务与用户兴趣模型 | 第9-13页 |
| 1.1.1 个性化服务的提出 | 第9-10页 |
| 1.1.2 个性化服务的实现技术 | 第10-12页 |
| 1.1.3 个性化服务系统 | 第12-13页 |
| 1.2 个性化服务在E-learning中的应用概况 | 第13-15页 |
| 1.3 全文内容的组织结构 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 创新点及意义 | 第16页 |
| 1.3.3 组织结构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 相关研究 | 第18-30页 |
| 2.1 个性化服务系统的体系结构 | 第18-21页 |
| 2.1.1 个性化服务系统的基本结构 | 第18-19页 |
| 2.1.2 个性化服务系统的实现结构 | 第19-21页 |
| 2.2 Web挖掘技术 | 第21-24页 |
| 2.2.1 Web挖掘的定义 | 第21-22页 |
| 2.2.2 Web挖掘的分类 | 第22页 |
| 2.2.3 Web挖掘方法概述 | 第22-24页 |
| 2.3 E-learning相关标准 | 第24-27页 |
| 2.3.1 E-learning标准由来 | 第24-25页 |
| 2.3.1 个性化服务相关的E-learning标准 | 第25-27页 |
| 2.4 用户建模概念和方法 | 第27-29页 |
| 2.4.1 用户建模概念 | 第27-28页 |
| 2.4.2 用户建模方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 用户兴趣挖掘 | 第30-41页 |
| 3.1 用户兴趣挖掘过程模型 | 第30-31页 |
| 3.1.1 设计思想 | 第30页 |
| 3.1.2 过程模型 | 第30-31页 |
| 3.2 元数据获取 | 第31-32页 |
| 3.2.1 服务器端数据 | 第31页 |
| 3.2.2 客户端数据 | 第31-32页 |
| 3.2.3 代理端数据 | 第32页 |
| 3.2.4 元数据获取 | 第32页 |
| 3.3 数据预处理 | 第32-37页 |
| 3.3.1 数据清洗和分词处理 | 第33-34页 |
| 3.3.2 特征项抽取 | 第34-35页 |
| 3.3.3 文本的空间向量模型表示 | 第35-37页 |
| 3.4 分类学习 | 第37-39页 |
| 3.4.1 简单向量距离法概念和算法 | 第37-38页 |
| 3.4.2 文本分类与兴趣分类 | 第38-39页 |
| 3.5 用户兴趣表示 | 第39页 |
| 3.6 本章小结 | 第39-41页 |
| 4 用户兴趣建模 | 第41-49页 |
| 4.1 用户兴趣模型 | 第41-42页 |
| 4.2 用户兴趣类权值 | 第42-43页 |
| 4.3 用户档案文件 | 第43-48页 |
| 4.4.1 用户档案文件描述 | 第43-45页 |
| 4.4.2 用户偏好信息与用户兴趣模型 | 第45-46页 |
| 4.4.3 用户偏好信息的XML描述 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 原型系统的设计与实现 | 第49-55页 |
| 5.1 系统框架描述 | 第49-50页 |
| 5.2 数据获取模块 | 第50-52页 |
| 5.2.1 数据来源 | 第50-51页 |
| 5.2.2 用户浏览活动数据获取 | 第51-52页 |
| 5.3 数据预处理模块 | 第52页 |
| 5.4 用户兴趣生成模块 | 第52-53页 |
| 5.5 个性化服务模块 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |