| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状分析 | 第12-13页 |
| ·研究内容和技术路线 | 第13-14页 |
| ·研究内容 | 第13-14页 |
| ·技术路线 | 第14页 |
| ·创新点与取得的主要成果 | 第14-15页 |
| ·论文创新点 | 第14-15页 |
| ·取得主要成果 | 第15页 |
| ·论文章节安排 | 第15-17页 |
| 第2章 G/S 模式综述 | 第17-21页 |
| ·G/S 模式概述 | 第17页 |
| ·通用浏览器 | 第17-18页 |
| ·通用浏览器概述 | 第17页 |
| ·通用浏览器核心模块 | 第17-18页 |
| ·HGML/XXML | 第18-19页 |
| ·服务云 | 第19-20页 |
| ·服务云中数据特点 | 第19-20页 |
| ·服务云中信息汇聚需求 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 个性化服务相关技术综述 | 第21-31页 |
| ·个性化信息推荐技术 | 第21-22页 |
| ·协同过滤推荐算法 | 第21页 |
| ·基于内容的推荐算法 | 第21-22页 |
| ·混合推荐算法 | 第22页 |
| ·用户兴趣模型概述 | 第22页 |
| ·用户兴趣信息来源 | 第22-24页 |
| ·用户兴趣数据获取 | 第24页 |
| ·用户兴趣模型表示 | 第24-27页 |
| ·基于向量空间模型的表示 | 第25页 |
| ·基于神经网络的表示 | 第25-26页 |
| ·基于用户-项目评价矩阵的表示 | 第26-27页 |
| ·基于粗细兴趣粒度的表示 | 第27页 |
| ·基于关键词列表的表示 | 第27页 |
| ·用户兴趣建模技术 | 第27-28页 |
| ·基于机器学习的建模技术 | 第27页 |
| ·基于模板的建模技术 | 第27-28页 |
| ·基于信息论的建模技术 | 第28页 |
| ·用户兴趣模型更新技术 | 第28-29页 |
| ·反馈技术 | 第29-30页 |
| ·显式反馈 | 第29页 |
| ·隐式反馈 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 按需个性化信息汇聚模型 | 第31-46页 |
| ·用户信息收集模块 | 第32-34页 |
| ·终端用户标签集 | 第32-33页 |
| ·云端资源标签集 | 第33-34页 |
| ·用户兴趣模型构建模块 | 第34-40页 |
| ·基于用户隐式反馈行为的页面兴趣等级 | 第34页 |
| ·用户兴趣模型表示方法的改进 | 第34-35页 |
| ·用户兴趣漂移问题的解决 | 第35-38页 |
| ·短期用户兴趣模型的构建 | 第38-39页 |
| ·长期用户兴趣模型的构建 | 第39-40页 |
| ·用户兴趣模型更新模块 | 第40-42页 |
| ·短期用户兴趣模型的更新 | 第40页 |
| ·长期用户兴趣模型的更新 | 第40-42页 |
| ·个性化信息推荐模块 | 第42-45页 |
| ·相似度的计算 | 第42页 |
| ·个性化信息推荐算法的优化 | 第42-44页 |
| ·个性化信息推荐模块流程 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 个性化信息汇聚模型在通用浏览器中的应用 | 第46-56页 |
| ·通用浏览器的基础开发 | 第46-47页 |
| ·通用浏览器基础开发框架 | 第46页 |
| ·通用浏览器基础开发库 | 第46-47页 |
| ·通用浏览器扩展开发 | 第47-50页 |
| ·通用浏览器扩展开发的实现基础 | 第47-48页 |
| ·通用浏览器扩展开发的设计实现 | 第48-49页 |
| ·通用浏览器扩展开发方法 | 第49-50页 |
| ·个性化信息汇聚模型在通用浏览器中的扩展组件式应用 | 第50-55页 |
| ·个性化信息汇聚 | 第50-51页 |
| ·个性化信息汇聚平台 | 第51页 |
| ·个性化信息汇聚模型在通用浏览器中的扩展组件式应用 | 第51-52页 |
| ·部分功能展示 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 攻读学位期间取得学术成果 | 第61页 |