| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 论文的选题背景和意义 | 第8-10页 |
| 1.1.1 论文研究背景 | 第8-9页 |
| 1.1.2 论文研究意义 | 第9-10页 |
| 1.2 国内外相关研究现状 | 第10-14页 |
| 1.2.1 国内外相关研究现状 | 第10-14页 |
| 1.2.2 国内外相关研究现状总结 | 第14页 |
| 1.3 论文选题来源和目的 | 第14-15页 |
| 1.3.1 论文选题来源 | 第14页 |
| 1.3.2 论文研究目的 | 第14-15页 |
| 1.4 论文研究内容及安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 面向个性化需求的云物流资源语义匹配模型 | 第17-28页 |
| 2.1 云物流资源分类及特点 | 第17-18页 |
| 2.2 云物流资源语义匹配的动因分析 | 第18-21页 |
| 2.2.1 物流资源供需双方需求分析 | 第19页 |
| 2.2.2 云物流服务需求分析 | 第19-20页 |
| 2.2.3 云物流资源语义匹配需求分析 | 第20-21页 |
| 2.3 面向个性化需求的云物流资源语义匹配数学模型 | 第21-25页 |
| 2.3.1 客户个性化分析 | 第21-22页 |
| 2.3.2 云物流资源的语义描述 | 第22-24页 |
| 2.3.3 云物流资源语义匹配模型 | 第24-25页 |
| 2.4 面向个性化需求的云物流资源语义匹配流程 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 面向个性化需求的云物流资源语义匹配实现方法 | 第28-40页 |
| 3.1 基于CWA的过滤性推理算法 | 第28-31页 |
| 3.1.1 基于CWA的过滤性推理相关概念及方法 | 第28-30页 |
| 3.1.2 基于CWA的过滤性推理 | 第30-31页 |
| 3.2 基于综合语义相似度的本体概念匹配算法 | 第31-35页 |
| 3.2.1 综合语义相似度相关概念 | 第32-34页 |
| 3.2.2 综合语义相似度的计算机实现算法 | 第34-35页 |
| 3.3 基于QoS的云物流资源客户偏好排序算法 | 第35-38页 |
| 3.3.1 云物流资源需求商QoS分类 | 第35-36页 |
| 3.3.2 云物流资源QoS匹配度相关概念及量化方法 | 第36-37页 |
| 3.3.3 基于QoS的云物流资源客户偏好排序计算机实现算法 | 第37-38页 |
| 3.4 面向个性化需求的云物流资源语义匹配总体算法 | 第38页 |
| 3.5 本章小结 | 第38-40页 |
| 4 云物流资源语义匹配原型系统框架 | 第40-47页 |
| 4.1 语义Web简介 | 第40-41页 |
| 4.1.1 语义Web与现有Web的比较 | 第40-41页 |
| 4.1.2 语义Web组件构成 | 第41页 |
| 4.2 云物流资源语义匹配原型系统 | 第41-46页 |
| 4.2.1 原型系统层次结构 | 第42-43页 |
| 4.2.2 原型系统功能模块 | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 5 应用案例 | 第47-52页 |
| 5.1 云物流资源-任务语义匹配试验环境 | 第47页 |
| 5.2 试验验证及效果分析 | 第47-51页 |
| 5.3 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第59页 |
| B. 作者在攻读硕士学位期间参与的科研项目及获奖情况 | 第59页 |
