| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-17页 |
| ·研究的背景 | 第10-12页 |
| ·目前国内外研究现状 | 第12-13页 |
| ·本文主要的研究内容及创新点 | 第13-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第2章 传统 PageRank 算法 | 第17-29页 |
| ·相关知识介绍 | 第17-21页 |
| ·搜索引擎的发展史 | 第17-19页 |
| ·搜索引擎的分类 | 第19-20页 |
| ·搜索引擎的系统架构 | 第20-21页 |
| ·传统 PageRank 算法 | 第21-27页 |
| ·算法解析 | 第21-22页 |
| ·解 PageRank 值 | 第22-26页 |
| ·算法的不足 | 第26-27页 |
| ·相关算法改进 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 用户行为模型 | 第29-40页 |
| ·搜索行为研究基础 | 第29-32页 |
| ·数据对象及搜索日志分析 | 第32-33页 |
| ·搜索日志的构建 | 第32页 |
| ·搜索日志的组成内容 | 第32-33页 |
| ·用户查询背景调查及查询状态分类 | 第33-35页 |
| ·用户行为特征分析 | 第35-37页 |
| ·用户兴趣模型 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 改进的 N—PageRank 算法 | 第40-54页 |
| ·相关工作 | 第41-44页 |
| ·计算网页各索引查询词的权重 | 第41-42页 |
| ·利用 Direct Hit 技术获取所需数据 | 第42-43页 |
| ·数据预处理 | 第43-44页 |
| ·模型的建立 | 第44-49页 |
| ·模型的假设 | 第44-46页 |
| ·模型的数学表示 | 第46-49页 |
| ·改进的算法 | 第49-52页 |
| ·算法描述 | 第49-51页 |
| ·关键参数的讨论 | 第51页 |
| ·实时反馈部分算法细节 | 第51-52页 |
| ·网页隐含相关度 WIR（Web implied relevancy）的建立方法 | 第52页 |
| ·N-PageRank 算法求解 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 实验验证与结果分析 | 第54-62页 |
| ·实验平台框架 | 第54-55页 |
| ·实验数据 | 第55-56页 |
| ·实验过程 | 第56-59页 |
| ·实验结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·文章总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68页 |