| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-32页 |
| ·搜索引擎体系结构及功能 | 第14-15页 |
| ·信息的收集 | 第14-15页 |
| ·信息预处理 | 第15页 |
| ·查询服务 | 第15页 |
| ·个性化搜索引擎 | 第15-30页 |
| ·个性化搜索引擎的体系结构 | 第15-17页 |
| ·个性化搜索关键技术 | 第17-21页 |
| ·用户建模技术 | 第18-19页 |
| ·查询扩展技术 | 第19-20页 |
| ·对搜索结果进行个性化排序的技术 | 第20-21页 |
| ·聚类分析技术 | 第21页 |
| ·个性化搜索研究现状 | 第21-27页 |
| ·用户建模与个性化搜索结果排序 | 第22-24页 |
| ·查询扩展技术 | 第24页 |
| ·聚类分析技术 | 第24-27页 |
| ·个性化搜索面临的问题与挑战 | 第27-30页 |
| ·本文研究的主要内容 | 第30-31页 |
| ·本文的组织结构 | 第31-32页 |
| 第二章 基于概率潜在语义的用户模型构造 | 第32-62页 |
| ·问题提出 | 第32-34页 |
| ·用户模型研究综述 | 第34-40页 |
| ·用户模型的创建技术研究 | 第34-37页 |
| ·创建用户模型的信息来源 | 第34-35页 |
| ·用户模型的描述形式 | 第35-37页 |
| ·用户模型的学习与更新技术研究 | 第37-39页 |
| ·向量空间模型中的相关性反馈及用户模型的学习与更新 | 第37-38页 |
| ·概率模型中的相关反馈及用户模型的学习与更新 | 第38-39页 |
| ·用户模型应用技术的研究 | 第39-40页 |
| ·用户搜索行为的理论分析 | 第40-45页 |
| ·从认知角度分析用户的搜索行为 | 第40-43页 |
| ·搜索行为是一种心理需求 | 第40-41页 |
| ·信息搜索的认知过程与问题解决过程 | 第41-43页 |
| ·用户搜索行为的不确定性 | 第43-44页 |
| ·用户搜索行为分析的逻辑框架 | 第44-45页 |
| ·用户动机分析的两类不确定问题 | 第45-46页 |
| ·基于PLSA的潜在概念获取与用户模型构建 | 第46-54页 |
| ·概率潜在语义分析 | 第46-48页 |
| ·潜在语义空间的Zipf分布 | 第48页 |
| ·Zipf分布 | 第48页 |
| ·潜语义空间的Zipf分布的应用 | 第48页 |
| ·基于PLSA的用户动机建模 | 第48-52页 |
| ·用户兴趣潜在主题获取 | 第48-50页 |
| ·用户兴趣模型生成 | 第50-52页 |
| ·用户模型的学习与更新 | 第52-54页 |
| ·实验及评价 | 第54-60页 |
| ·数据集 | 第54-56页 |
| ·评价标准 | 第56-57页 |
| ·实验结果及分析 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第三章 基于有限混合模型的文本聚类 | 第62-86页 |
| ·问题提出 | 第62-63页 |
| ·传统聚类算法的概述 | 第63-68页 |
| ·基于相似性的聚类方法 | 第63-66页 |
| ·基于划分的聚类方法 | 第65-66页 |
| ·基于层次的聚类方法 | 第66页 |
| ·基于模型的聚类 | 第66-68页 |
| ·各类算法的对比分析 | 第68页 |
| ·传统聚类方式在个性化搜索中存在的问题 | 第68-70页 |
| ·基于有限混合主题模型的文档聚类分析 | 第70-80页 |
| ·有限混合模型 | 第70-71页 |
| ·EM算法 | 第71-75页 |
| ·EM算法 | 第71-74页 |
| ·EM算法在混合模型中的应用 | 第74-75页 |
| ·基于有限混合模型的文档聚类 | 第75-80页 |
| ·文本的预处理 | 第76-77页 |
| ·有限混合主题模型 | 第77-78页 |
| ·基于贝叶斯信息准则的聚类个数M的确定 | 第78-80页 |
| ·实验及评价 | 第80-84页 |
| ·实验数据集 | 第80-81页 |
| ·评价标准 | 第81页 |
| ·实验结果及分析 | 第81-84页 |
| ·本章小结 | 第84-86页 |
| 第四章 基于用户潜在语义动机的查询扩展 | 第86-116页 |
| ·问题提出 | 第86-87页 |
| ·现有的查询扩展方法概述 | 第87-94页 |
| ·基于大规模语料库的查询扩展方法 | 第87-91页 |
| ·全局分析(Global Analysis) | 第87-88页 |
| ·局部分析(Local Analysis) | 第88-89页 |
| ·局部上下文分析(Local Context Analysis,LCA) | 第89-90页 |
| ·基于用户日志的查询扩展 | 第90-91页 |
| ·基于语义关系/语义结构的查询扩展方法 | 第91-94页 |
| ·WordNet简介 | 第91-92页 |
| ·基于概念的语义查询扩展 | 第92-94页 |
| ·目前查询扩展方法的不足 | 第94页 |
| ·基于潜在语义动机的查询扩展 | 第94-107页 |
| ·ULSM-QE的框架 | 第95-96页 |
| ·查询词处理 | 第96-97页 |
| ·查询语义动机分析 | 第97-100页 |
| ·相关会话窗口中文档特征提取 | 第98-99页 |
| ·语义动机的获取 | 第99-100页 |
| ·相关度计算 | 第100-102页 |
| ·查询词的语义消歧 | 第102-104页 |
| ·有上下文的语义消歧 | 第102-103页 |
| ·无上下文的语义消歧 | 第103-104页 |
| ·生成新查询 | 第104-107页 |
| ·语义关联树的构建 | 第104-105页 |
| ·根据语义关联树计算查询扩展词的权重 | 第105-107页 |
| ·实验及评价 | 第107-114页 |
| ·数据集 | 第107-108页 |
| ·评价标准 | 第108-109页 |
| ·实验结果及分析 | 第109-114页 |
| ·本章小结 | 第114-116页 |
| 第五章 基于用户偏好的网页排序局部优化策略 | 第116-134页 |
| ·问题提出 | 第116-117页 |
| ·传统网页排序算法介绍 | 第117-120页 |
| ·PageRank算法及其衍生算法 | 第117-119页 |
| ·HITS算法 | 第119-120页 |
| ·传统排序算法存在的问题 | 第120-121页 |
| ·基于用户偏好的网页排序 | 第121-128页 |
| ·UP-PR框架 | 第122-124页 |
| ·查询词的主题分类 | 第124-125页 |
| ·网页的主题分类 | 第125-128页 |
| ·参数的选择 | 第128页 |
| ·实验及评价 | 第128-133页 |
| ·数据集 | 第128-129页 |
| ·评价标准 | 第129页 |
| ·实验结果及分析 | 第129-133页 |
| ·本章小结 | 第133-134页 |
| 第六章 结论 | 第134-136页 |
| ·本文的主要贡献与结论 | 第134页 |
| ·进一步的工作 | 第134-136页 |
| 参考文献 | 第136-146页 |
| 致谢 | 第146-148页 |
| 攻博期间发表的文章 | 第148-150页 |
| 科研经历 | 第150-152页 |
| 作者简介 | 第152页 |