| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| 1．1 课题的研究背景 | 第8-9页 |
| 1．2 相关工作 | 第9-13页 |
| 1．2．1 Syskill & Webert | 第9-10页 |
| 1．2．2 Web Watcher | 第10-11页 |
| 1．2．3 Letizia | 第11页 |
| 1．2．4 Personal Web Watcher | 第11-12页 |
| 1．2．5 总结 | 第12-13页 |
| 1．3 课题的研究意义和论文结构安排 | 第13-14页 |
| 第二章 理论基础 | 第14-23页 |
| 2．1 Agent理论 | 第14-16页 |
| 2．1．1 Agent概述 | 第14页 |
| 2．1．2 Agent的定义、特性 | 第14-15页 |
| 2．1．3 单Agent系统的结构 | 第15页 |
| 2．1．4 Multi-Agent系统（MAS） | 第15-16页 |
| 2．2 数据挖掘 | 第16-19页 |
| 2．2．1 数据挖掘技术产生的背景 | 第16页 |
| 2．2．2 数据挖掘与知识发现的概念 | 第16-18页 |
| 2．2．3 数据挖掘产生的模式 | 第18-19页 |
| 2．2．4 数据挖掘应用 | 第19页 |
| 2．3 Web挖掘 | 第19-23页 |
| 2．3．1 Web挖掘的基本概念 | 第19-20页 |
| 2．3．2 Web内容挖掘 | 第20页 |
| 2．3．3 Web结构挖掘 | 第20页 |
| 2．3．4 Web访问日志的挖掘 | 第20-23页 |
| 第三章 WEB CAT中个性化用户模型的建立和应用 | 第23-47页 |
| 3．1 Web Cat的体系结构 | 第23-25页 |
| 3．1．1 系统概述 | 第23页 |
| 3．1．2 系统框图 | 第23-25页 |
| 3．2 Web Cat中的路径挖掘 | 第25-36页 |
| 3．2．1 服务器端的路径挖掘 | 第25页 |
| 3．2．2 问题总述 | 第25-26页 |
| 3．2．3 记录用户的浏览行为 | 第26-28页 |
| 3．2．4 识别窗口会话 | 第28页 |
| 3．2．5 生成用户浏览的扩展有向树林 | 第28-30页 |
| 3．2．6 最大向前引用MFP和频繁引用 | 第30-35页 |
| 3．2．7 用户PROFILE的行为习惯部分P_H | 第35-36页 |
| 3．3 Web Cat中的页面学习 | 第36-44页 |
| 3．3．1 信息检索领域的文本处理 | 第36-39页 |
| 3．3．2 HTML文档解析 | 第39-40页 |
| 3．3．3 用户的行为和用户的兴趣 | 第40页 |
| 3．3．4 建立基于用户兴趣主题的个性化向量集P_T | 第40-43页 |
| 3．3．5 Web Cat中用户PROFILE的形式化描述 | 第43-44页 |
| 3．4 Web Cat中的推荐系统 | 第44-45页 |
| 3．4．1 Web Cat推荐系统框图 | 第44页 |
| 3．4．2 超链获取模块 | 第44-45页 |
| 3．4．3 建议模块 | 第45页 |
| 3．4．4 评价推荐系统和用户的个性化模型 | 第45页 |
| 3．5 小结 | 第45-47页 |
| 第四章 实验报告 | 第47-53页 |
| 4．1 实验总述 | 第47页 |
| 4．2 系统界面 | 第47-49页 |
| 4．3 系统实现 | 第49-50页 |
| 4．3．1 Java语言 | 第49页 |
| 4．3．2 Weka | 第49-50页 |
| 4．3．3 浏览器的实现 | 第50页 |
| 4．3．4 字符串的切分 | 第50页 |
| 4．4 实验结果 | 第50-53页 |
| 第五章 结束语 | 第53-55页 |
| 5．1 总结 | 第53页 |
| 5．2 将来的工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
