| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·研究内容 | 第10-11页 |
| ·主要工作 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 相关技术 | 第14-20页 |
| ·文本抽取 | 第14-15页 |
| ·主题爬虫 | 第15-16页 |
| ·相关算法 | 第16-19页 |
| ·K-means聚类算法 | 第16-17页 |
| ·搜索结果评价算法 | 第17页 |
| ·KNN算法 | 第17-18页 |
| ·TF-IDF算法 | 第18页 |
| ·Rocchio算法 | 第18-19页 |
| ·本章总结 | 第19-20页 |
| 第三章 旅游网络资源主题采集子系统 | 第20-32页 |
| ·主题采集子系统需求分析 | 第20页 |
| ·主题采集子系统结构 | 第20-22页 |
| ·话题相似度 | 第22-23页 |
| ·枢纽值计算 | 第23-24页 |
| ·兴趣类别判断 | 第24页 |
| ·自学习型主题采集算法的提出 | 第24-29页 |
| ·首次爬行阶段 | 第25-26页 |
| ·学习阶段 | 第26-28页 |
| ·连续爬行阶段 | 第28-29页 |
| ·实验结果与分析 | 第29-31页 |
| ·实验评价参数 | 第29页 |
| ·主题采集实验 | 第29-31页 |
| ·本章总结 | 第31-32页 |
| 第四章 旅游网络资源文本抽取子系统 | 第32-43页 |
| ·网页实例说明 | 第32-33页 |
| ·基干文本密度的TTR算法的提出 | 第33-35页 |
| ·TTR算法的提出 | 第33-34页 |
| ·TTR算法计算ratio | 第34页 |
| ·TTR算法数据平滑改进 | 第34页 |
| ·TTR算法中的阈值抽取 | 第34-35页 |
| ·实验结果与分析 | 第35-42页 |
| ·实验评价参数LCS与EDR | 第35-36页 |
| ·K-means处理ratio数组实验 | 第36-39页 |
| ·TTR算法实验 | 第39-41页 |
| ·阈值抽取与K-means聚类处理对比 | 第41-42页 |
| ·本章总结 | 第42-43页 |
| 第五章 旅游网络资源个性化检索子系统 | 第43-56页 |
| ·兴趣特征建立 | 第44-46页 |
| ·查询记录 | 第44-45页 |
| ·个人特征信息 | 第45-46页 |
| ·通用特征信息 | 第46页 |
| ·传统特征匹配算法 | 第46-47页 |
| ·个人特征匹配算法 | 第46页 |
| ·通用特征匹配算法 | 第46-47页 |
| ·基于用户兴趣的个性化检索模型的建立 | 第47-49页 |
| ·改进的aRocchio个人特征矩阵建立算法 | 第47页 |
| ·混合特征匹配算法的提出 | 第47-48页 |
| ·改进的基于评分的Ⅰ-PageRank搜索排序算法 | 第48-49页 |
| ·实验结果与分析 | 第49-55页 |
| ·实验数据集 | 第49-50页 |
| ·实验评价参数 | 第50页 |
| ·改进的aRocchio算法实验 | 第50-51页 |
| ·混合特征匹配算法实验 | 第51-53页 |
| ·改进的Ⅰ-PageRank算法实验 | 第53-55页 |
| ·本章总结 | 第55-56页 |
| 第六章 旅游网络资源监控系统的实现与测试 | 第56-79页 |
| ·系统实现 | 第56-74页 |
| ·旅游网络资源主题采集子系统 | 第56-63页 |
| ·旅游网络资源文本抽取子系统 | 第63-68页 |
| ·旅游网络资源个性化检索子系统 | 第68-74页 |
| ·系统测试 | 第74-78页 |
| ·系统测试环境 | 第74-75页 |
| ·系统测试计划 | 第75页 |
| ·系统测试用例 | 第75-78页 |
| ·本章总结 | 第78-79页 |
| 第七章 总结与展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 附录 | 第81-84页 |
| 参考文献 | 第84-88页 |
| 攻读学位期间研究成果 | 第88-89页 |
| 致谢 | 第89页 |