| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-20页 |
| ·课题的研究背景 | 第8页 |
| ·信息检索技术 | 第8-11页 |
| ·搜索引擎 | 第9页 |
| ·目录 | 第9-10页 |
| ·搜索引擎工作原理 | 第10-11页 |
| ·个性化推荐技术 | 第11-14页 |
| ·个性化的定义 | 第11页 |
| ·个性化推荐的实现方法 | 第11-13页 |
| ·用户访问信息的收集方法 | 第13-14页 |
| ·Web挖掘技术对个性化推荐的支持 | 第14页 |
| ·Web挖掘技术 | 第14-16页 |
| ·Web内容挖掘 | 第15页 |
| ·Web结构挖掘 | 第15-16页 |
| ·Web使用挖掘 | 第16页 |
| ·Web缓存技术 | 第16-17页 |
| ·Web缓存分类 | 第16-17页 |
| ·Web缓存与传统缓存的区别 | 第17页 |
| ·Web缓存替换算法 | 第17页 |
| ·论文目标及创新 | 第17-18页 |
| ·本论文内容组织 | 第18-20页 |
| 第二章 个性化推荐关键技术 | 第20-27页 |
| ·HTML解析技术 | 第20-21页 |
| ·词法分析 | 第20-21页 |
| ·语法分析 | 第21页 |
| ·用户兴趣描述(用户profile) | 第21-23页 |
| ·用户profile组织形式 | 第22页 |
| ·用户profile更新方式 | 第22-23页 |
| ·资源描述方法 | 第23-24页 |
| ·基于内容的方法 | 第24页 |
| ·基于分类的方法 | 第24页 |
| ·用户兴趣模型 | 第24-26页 |
| ·相似性计算 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于搜索结果的个性化推荐系统设计与实现 | 第27-36页 |
| ·体系结构 | 第27-28页 |
| ·搜索引擎的选择 | 第28页 |
| ·信息预处理和词干抽取 | 第28-29页 |
| ·用户兴趣抽取和更新 | 第29-31页 |
| ·简单兴趣模型定义 | 第29页 |
| ·用户兴趣描述 | 第29-30页 |
| ·用户兴趣模型的更新 | 第30-31页 |
| ·Web文档清洗 | 第31-34页 |
| ·HTML解析器的实现 | 第31页 |
| ·文档数据结构化 | 第31-32页 |
| ·基本数据结构 | 第32-33页 |
| ·实现算法 | 第33-34页 |
| ·文档聚类 | 第34页 |
| ·个性化推荐策略 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 聚类分析和改进的STC算法 | 第36-48页 |
| ·聚类技术介绍 | 第36页 |
| ·聚类技术比较 | 第36-38页 |
| ·改进的STC算法 | 第38-43页 |
| ·后缀树的定义(Definition of Suffix Tree) | 第38-40页 |
| ·后缀树的建立(Suffix Tree Construction) | 第40-42页 |
| ·确定基本聚类(Identifying Base Clusters) | 第42页 |
| ·合并基本聚类和聚类结果排序 | 第42-43页 |
| ·主要数据结构 | 第43-45页 |
| ·后缀树算法实现 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 实验及结果评价 | 第48-54页 |
| ·实验设置 | 第48页 |
| ·实验结果 | 第48-52页 |
| ·结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-55页 |
| ·论文结论 | 第54页 |
| ·下一步工作 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士期间发表学术论文 | 第59页 |
