| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 第一章 信息过滤和信息检索概述 | 第6-16页 |
| ·研究背景与意义 | 第6-7页 |
| ·与课题相关的研究主题 | 第7-13页 |
| ·研究内容和论文结构 | 第13-14页 |
| ·论文创新点 | 第14-16页 |
| 第二章 统计机器学习 | 第16-25页 |
| ·有限混合模型和EM 算法 | 第16-19页 |
| ·图模型 | 第19-22页 |
| ·支持向量机 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 协同过滤的混合模型 | 第25-48页 |
| ·协同过滤概述 | 第25-27页 |
| ·问题的一般模型与算法 | 第27-31页 |
| ·真实偏好高斯混合模型 | 第31-40页 |
| ·实验与讨论 | 第40-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 无监督文本聚类的混合模型 | 第48-64页 |
| ·无监督文本聚类概述 | 第48-49页 |
| ·有限混合模型聚类的广义方法 | 第49-55页 |
| ·广义模型的一种应用 | 第55-58页 |
| ·实验与讨论 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于密度的半监督学习模型 | 第64-83页 |
| ·半监督学习问题概述 | 第64-66页 |
| ·半监督分类中基于密度的LAPLACIAN 核方法 | 第66-69页 |
| ·半监督分类实验与讨论 | 第69-72页 |
| ·半监督聚类中基于密度的约束扩展 | 第72-76页 |
| ·半监督聚类实验与讨论 | 第76-81页 |
| ·本章小结 | 第81-83页 |
| 第六章 总结与展望 | 第83-85页 |
| ·论文的主要工作和创新性 | 第83-84页 |
| ·今后研究工作展望 | 第84-85页 |
| 参考文献 | 第85-92页 |
| 发表论文和参加科研情况说明 | 第92-93页 |
| 致谢 | 第93页 |