基于Web日志挖掘的智能信息检索研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-32页 |
| ·课题的背景和意义 | 第12-15页 |
| ·Web日志挖掘国内外研究现状 | 第15-29页 |
| ·数据挖掘 | 第15-17页 |
| ·Web日志挖掘 | 第17-27页 |
| ·Web日志挖掘对智能信息检索的支持 | 第27-29页 |
| ·本文的主要研究内容 | 第29-31页 |
| ·本文的内容安排 | 第31-32页 |
| 第2章 用户日志的预处理与分析 | 第32-45页 |
| ·引言 | 第32-33页 |
| ·用户日志预处理 | 第33-34页 |
| ·用户日志统计分析 | 第34-44页 |
| ·基于查询词的分析 | 第34-39页 |
| ·基于点击网页的分析 | 第39-43页 |
| ·基于用户会话的分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于关联分析的自适应查询扩展 | 第45-70页 |
| ·引言 | 第45页 |
| ·查询扩展技术相关研究 | 第45-50页 |
| ·基于关联分析的自适应查询扩展 | 第50-59页 |
| ·查询歧义度计算 | 第52-56页 |
| ·查询关联分析 | 第56-58页 |
| ·自适应的查询扩展方法 | 第58-59页 |
| ·实验与分析 | 第59-68页 |
| ·查询词歧义度计算实验与结果分析 | 第60-62页 |
| ·自适应查询扩展实验结果及分析 | 第62-68页 |
| ·本章小结 | 第68-70页 |
| 第4章 基于特征融合的检索推荐模型 | 第70-88页 |
| ·引言 | 第70-71页 |
| ·检索推荐相关研究 | 第71-77页 |
| ·文本相关度分析 | 第72-75页 |
| ·用户行为分析 | 第75-77页 |
| ·基于特征融合的检索推荐模型 | 第77-87页 |
| ·基于概念向量的文档相关度计算 | 第78-81页 |
| ·基于特征融合的检索推荐模型 | 第81-84页 |
| ·实验与分析 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第5章 面向检索兴趣的用户聚类 | 第88-103页 |
| ·引言 | 第88-89页 |
| ·用户聚类分析 | 第89-96页 |
| ·用户相似度计算 | 第90-91页 |
| ·聚类方法分析 | 第91-94页 |
| ·关系传播聚类 | 第94-96页 |
| ·基于用户会话的用户相似度计算 | 第96-97页 |
| ·面向检索兴趣的用户聚类 | 第97-101页 |
| ·自适应的用户聚类算法 | 第97-99页 |
| ·实验与分析 | 第99-101页 |
| ·本章小结 | 第101-103页 |
| 结论 | 第103-107页 |
| 参考文献 | 第107-116页 |
| 攻读博士学位期间发表的论文 | 第116-118页 |
| 致谢 | 第118-119页 |
| 个人简历 | 第119页 |
