| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·论文的研究内容 | 第16页 |
| ·论文的结构安排 | 第16-18页 |
| 第二章 DEEP WEB信息集成 | 第18-32页 |
| ·DEEP WEB信息集成概述 | 第18-20页 |
| ·DEEP WEB入口的相关技术 | 第20-26页 |
| ·Deep Web站点的发现技术 | 第20-22页 |
| ·Deep Web入口的判断技术 | 第22-23页 |
| ·Deep Web入口的分类技术 | 第23-24页 |
| ·基于正例和无标记样本的学习 | 第24-26页 |
| ·个性化DEEP WEB集成搜索技术 | 第26-31页 |
| ·Deep Web集成搜索的优势和局限性 | 第26-28页 |
| ·个性化搜索方法中的用户兴趣模型 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 具有增量学习能力的PU主动学习算法 | 第32-44页 |
| ·问题描述 | 第32-33页 |
| ·具有增量学习能力的PU主动学习算法 | 第33-40页 |
| ·I-PUAL算法总体框架 | 第33页 |
| ·I-PUAL算法中的主动学习机制 | 第33-35页 |
| ·增量学习训练样本的选择方法 | 第35-36页 |
| ·初始可靠反例样本集的获取 | 第36-39页 |
| ·I-PUAL算法详细描述 | 第39-40页 |
| ·基于I-PUAL算法的DEEPWEB入口判断和分类 | 第40-41页 |
| ·实验结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 面向DEEP WEB集成的个性化搜索方法 | 第44-59页 |
| ·问题描述 | 第44-45页 |
| ·建立用户兴趣模型 | 第45-49页 |
| ·用户兴趣模型的表示 | 第45-48页 |
| ·用户兴趣树的初始化 | 第48-49页 |
| ·更新用户兴趣模型 | 第49-53页 |
| ·更新用户对Deep Web网站的兴趣模型 | 第50-52页 |
| ·基于用户反馈的个性化模型更新方法 | 第52-53页 |
| ·基于用户兴趣的DEEP WEB集成个性化结果排序 | 第53-56页 |
| ·实验设计和结果分析 | 第56-58页 |
| ·实验设计 | 第56页 |
| ·结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 个性化DEEP WEB集成搜索原型系统 | 第59-70页 |
| ·系统介绍 | 第59-60页 |
| ·系统总体设计 | 第60-62页 |
| ·系统框架 | 第60-61页 |
| ·系统功能 | 第61-62页 |
| ·核心模块 | 第62-67页 |
| ·兴趣模块 | 第62-65页 |
| ·排序模块 | 第65页 |
| ·集成模块 | 第65-67页 |
| ·系统实现 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·工作总结 | 第70-71页 |
| ·今后的研究工作 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间公开发表的学术论文 | 第78页 |