| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-20页 |
| ·课题来源和研究意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·本研究的意义 | 第9-10页 |
| ·本文的研究内容和国内外研究现状 | 第10-18页 |
| ·个性化潜力的相关研究 | 第10-12页 |
| ·数据加工算法的相关研究 | 第12-15页 |
| ·个性化信息检索模型的相关研究 | 第15-18页 |
| ·本文的主要组织结构 | 第18-20页 |
| 第2章 个性化信息检索潜力分析 | 第20-34页 |
| ·引言 | 第20页 |
| ·个性化潜力计算方法 | 第20-26页 |
| ·Dice 系数 | 第21-22页 |
| ·Kappa 系数 | 第22-26页 |
| ·实验和评价 | 第26-30页 |
| ·数据 | 第26-27页 |
| ·评价 | 第27-30页 |
| ·实验结果 | 第30-32页 |
| ·Dice 系数分布 | 第30页 |
| ·Kappa 系数分布 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于Co-training 的数据加工算法 | 第34-49页 |
| ·引言 | 第34页 |
| ·系统组成 | 第34-35页 |
| ·数据准备 | 第35-36页 |
| ·数据加工算法研究 | 第36-44页 |
| ·基于规则的方法 | 第37-38页 |
| ·基于主动学习的LR 算法 | 第38-40页 |
| ·基于主动学习的SVM 算法 | 第40-42页 |
| ·基于Co-training 的主动学习算法 | 第42-44页 |
| ·网页特征提取 | 第44页 |
| ·实验结果 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于在线LR 和SVM 的个性化检索模型 | 第49-62页 |
| ·引言 | 第49页 |
| ·语言模型 | 第49-50页 |
| ·用户兴趣表示 | 第50-51页 |
| ·在线LR 模型 | 第51-54页 |
| ·用户兴趣学习算法 | 第54页 |
| ·在线SVM 模型 | 第54-56页 |
| ·基于在线SVM 的个性化检索模型 | 第54-55页 |
| ·用户兴趣学习算法 | 第55-56页 |
| ·实验数据和评价方法 | 第56-57页 |
| ·实验数据 | 第56页 |
| ·评价方法 | 第56-57页 |
| ·实验和评价 | 第57-61页 |
| ·在线LR 模型实验 | 第57-60页 |
| ·在线SVM 模型实验 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |