| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 元搜索引擎 | 第11-15页 |
| 1.2.2 基于推荐系统的个性化元搜索引擎 | 第15-19页 |
| 1.2.3 当前研究存在的问题 | 第19页 |
| 1.3 本文研究内容 | 第19页 |
| 1.4 本文组织结构 | 第19-22页 |
| 第2章 基于社交网络信息的用户兴趣建模方法 | 第22-41页 |
| 2.1 用户兴趣建模概述 | 第22-25页 |
| 2.1.1 用户兴趣与个性化服务 | 第22-23页 |
| 2.1.2 用户兴趣建模 | 第23-25页 |
| 2.1.3 当前研究热点 | 第25页 |
| 2.2 用户兴趣建模关键技术 | 第25-28页 |
| 2.2.1 用户兴趣模型表示方法 | 第25-27页 |
| 2.2.2 建模方法 | 第27页 |
| 2.2.3 用户兴趣模型更新 | 第27-28页 |
| 2.3 基于社交网络信息的用户兴趣建模方法 | 第28-40页 |
| 2.3.1 建模思路 | 第28-29页 |
| 2.3.2 建模流程 | 第29-30页 |
| 2.3.3 模型输入信息获取和数据预处理 | 第30-31页 |
| 2.3.4 文本聚类过程 | 第31-36页 |
| 2.3.5 模型输出 | 第36页 |
| 2.3.6 模型更新 | 第36-37页 |
| 2.3.7 算法描述 | 第37-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第3章 基于UIMSNI方法的PMSE关键技术 | 第41-51页 |
| 3.1 基于UIMSNI的成员引擎调度策略 | 第41-45页 |
| 3.1.1 相关定义 | 第41-42页 |
| 3.1.2 计算各成员引擎同用户兴趣类的相关度relavent(SE,CI) | 第42页 |
| 3.1.3 计算查询q同成员搜索引擎的映射关系 | 第42页 |
| 3.1.4 计算用户使用偏好 | 第42-43页 |
| 3.1.5 计算各成员权重衰减量 | 第43页 |
| 3.1.6 计算成员调度序列 | 第43页 |
| 3.1.7 算法描述 | 第43-45页 |
| 3.2 查询结果规范化处理 | 第45-46页 |
| 3.2.1 获取成员引擎返回结果 | 第45页 |
| 3.2.2 过滤无效链接 | 第45-46页 |
| 3.2.3 去重复结果 | 第46页 |
| 3.3 基于UIMSNI方法的结果推荐 | 第46-49页 |
| 3.3.1 推荐算法设计思路 | 第46-47页 |
| 3.3.2 具体执行流程及步骤 | 第47页 |
| 3.3.3 算法描述 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 系统设计与实验 | 第51-65页 |
| 4.1 系统运行环境配置 | 第51页 |
| 4.2 系统总体框架设计 | 第51-57页 |
| 4.2.1 用户图形界面 | 第52-53页 |
| 4.2.2 成员引擎接口模块 | 第53-56页 |
| 4.2.3 兴趣建模模块 | 第56页 |
| 4.2.4 成员调度模块 | 第56页 |
| 4.2.5 返回结果处理模块 | 第56-57页 |
| 4.3 实验分析 | 第57-63页 |
| 4.3.1 建立用户兴趣模型 | 第57-59页 |
| 4.3.2 不同用户相同检索词集的查询结果对比 | 第59-61页 |
| 4.3.3 同一用户相同词集使用不同检索工具的查询结果对比 | 第61-63页 |
| 4.4 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |