强化学习在个性化信息Agent的应用研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-5页 |
| 目录 | 第5-8页 |
| CONTENTS | 第8-11页 |
| 第一章 绪论 | 第11-16页 |
| ·引言 | 第11-12页 |
| ·Web信息Agent的研究现状 | 第12-14页 |
| ·信息检索Agent | 第12-13页 |
| ·信息挖掘Agent | 第13-14页 |
| ·本文的研究目标 | 第14-15页 |
| ·本文的组织 | 第15-16页 |
| 第二章 Web信息Agent涉及的领域知识 | 第16-32页 |
| ·信息Agent的基本概念 | 第16-17页 |
| ·Agent的定义 | 第16页 |
| ·Agent的基本特征 | 第16-17页 |
| ·Agent的基本能力 | 第17页 |
| ·搜索引擎技术 | 第17-21页 |
| ·当前流行的搜索引擎技术 | 第17-19页 |
| ·信息Agent搜索系统采用的技术 | 第19-21页 |
| ·信息过滤 | 第21-24页 |
| ·信息过滤的目标 | 第21页 |
| ·信息过滤系统的研究现状 | 第21-23页 |
| ·信息Agent过滤系统采用的技术 | 第23-24页 |
| ·兴趣学习 | 第24-29页 |
| ·兴趣学习的目标 | 第24-25页 |
| ·兴趣学习的研究现状 | 第25页 |
| ·当前流行的兴趣学习方法 | 第25-28页 |
| ·信息Agent兴趣学习功能的实现 | 第28-29页 |
| ·元搜索引擎的调度策略 | 第29-32页 |
| ·当前流行的搜索引擎调度方法 | 第29-31页 |
| ·信息Agent引擎调度系统使用的方法 | 第31-32页 |
| 第三章 强化学习理论及算法 | 第32-43页 |
| ·引言 | 第32-33页 |
| ·强化学习的结构模型 | 第33-34页 |
| ·强化学习的发展历史及研究现状 | 第34-36页 |
| ·强化学习的主要算法 | 第36-40页 |
| ·提高强化学习的速度的方法 | 第40-43页 |
| 第四章 强化学习在搜索引擎智能调度中的实现 | 第43-56页 |
| ·搜索引擎智能调度的目标 | 第43页 |
| ·强化学习算法的引入 | 第43-51页 |
| ·搜索引擎智能调度模型的建立 | 第44-47页 |
| ·前学习阶段 | 第47-50页 |
| ·后学习阶段 | 第50-51页 |
| ·信息Agent系统中搜索引擎调度的实现 | 第51-53页 |
| ·实验结果及分析 | 第53-54页 |
| ·小结 | 第54-56页 |
| 第五章 信息Agent的整体设计与实现 | 第56-71页 |
| ·信息Agent的整体结构 | 第56-58页 |
| ·用户接口Agent | 第57页 |
| ·搜索Agent | 第57页 |
| ·结果处理Agent | 第57-58页 |
| ·兴趣学习Agent | 第58页 |
| ·知识库的设计 | 第58-63页 |
| ·知识库表的结构 | 第58-62页 |
| ·用户信息和系统参数信息表格 | 第58-60页 |
| ·用于兴趣学习的表格 | 第60-61页 |
| ·搜索引擎智能调度的相关表格 | 第61-62页 |
| ·知识库表关联 | 第62-63页 |
| ·系统的实现技术 | 第63-68页 |
| ·系统的开发平台 | 第63-64页 |
| ·系统实现的关键技术 | 第64-68页 |
| ·系统功能的实现 | 第68-71页 |
| ·查询界面 | 第68-69页 |
| ·兴趣管理界面 | 第69-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77-78页 |
| 独创性声明 | 第78-79页 |
| 致谢 | 第79页 |
