WEB个性化信息采集与管理关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·研究内容及目标 | 第12-14页 |
| ·论文的结构安排 | 第14-16页 |
| 第二章 WEB个性化信息定制采集与提取 | 第16-22页 |
| ·WEB个性化信息采集 | 第16-19页 |
| ·搜索策略分析 | 第16-17页 |
| ·WEB个性化信息采集框架简介 | 第17-19页 |
| ·WEB个性化信息提取 | 第19-21页 |
| ·信息提取的具体步骤 | 第19-20页 |
| ·基于双重净化的网页主题内容提取 | 第20页 |
| ·实验结果与性能分析 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 WEB个性化信息去重 | 第22-30页 |
| ·网页重复与网页去重 | 第22-23页 |
| ·网页去重的特点 | 第22-23页 |
| ·网页去重方法 | 第23页 |
| ·检索系统中的匹配方式 | 第23页 |
| ·网页主题要素的去重算法 | 第23-27页 |
| ·主题要素提取 | 第23-24页 |
| ·主题要素的关系 | 第24-26页 |
| ·去重算法设计 | 第26-27页 |
| ·基于经典逻辑推理的去重算法 | 第27-28页 |
| ·经典逻辑推理 | 第27页 |
| ·冲突消解策略 | 第27-28页 |
| ·去重流程设计 | 第28页 |
| ·实验结果与分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 WEB个性化信息分析 | 第30-38页 |
| ·情感倾向识别的传统方法 | 第30-31页 |
| ·预处理 | 第31页 |
| ·情感特征选择 | 第31页 |
| ·文档表示 | 第31页 |
| ·FST模型 | 第31-34页 |
| ·网络评论的语言学结构 | 第32页 |
| ·固定语义词元的识别算法 | 第32-33页 |
| ·动态更新特征词元 | 第33-34页 |
| ·实验及结果分析 | 第34-35页 |
| ·实验数据集和测试方法 | 第34页 |
| ·实验结果评测指标 | 第34页 |
| ·分类器 | 第34-35页 |
| ·结果与分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第五章 WEB个性化信息预测 | 第38-44页 |
| ·预测用户的搜索行为分析 | 第38页 |
| ·ARIMA模型 | 第38-39页 |
| ·SVM分类器 | 第39-40页 |
| ·预测性能评价指标 | 第40页 |
| ·实验验证 | 第40-41页 |
| ·实验步骤 | 第40页 |
| ·ARIMA模型数据处理 | 第40-41页 |
| ·预测结果及分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 搭建WEB个性化信息定制与管理系统 | 第44-60页 |
| ·需求分析 | 第44页 |
| ·系统目标及设计 | 第44-51页 |
| ·系统目标 | 第44-45页 |
| ·系统设计原则 | 第45页 |
| ·开发环境 | 第45-46页 |
| ·数据库设计 | 第46-48页 |
| ·系统架构设计 | 第48页 |
| ·系统编程思路 | 第48-49页 |
| ·系统功能模块设计 | 第49-51页 |
| ·WEB个性化信息采集与管理系统实现 | 第51-58页 |
| ·准备工作 | 第51-52页 |
| ·系统实现 | 第52-58页 |
| ·本章小结 | 第58-60页 |
| 总结与展望 | 第60-62页 |
| 总结 | 第60-61页 |
| 下一步研究工作 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 附录1 攻读硕士学位期间发表论文目录 | 第70-71页 |
| 附录2 攻读硕士学位期间获得科研鉴定成果 | 第71页 |
