| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 引言 | 第8-13页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究现状 | 第10-11页 |
| ·本文的主要工作和贡献 | 第11-12页 |
| ·论文组织 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第2章 相关理论基础 | 第13-27页 |
| ·个性化服务系统的体系结构 | 第13-16页 |
| ·个性化服务系统的基本结构 | 第13-14页 |
| ·个性化服务系统的实现结构 | 第14-16页 |
| ·推荐系统技术 | 第16-17页 |
| ·Web挖掘技术 | 第17-21页 |
| ·Web挖掘的基本概念 | 第17页 |
| ·Web挖掘的分类 | 第17-19页 |
| ·Web日志挖掘 | 第19-21页 |
| ·Agent技术 | 第21-25页 |
| ·智能Agent的概述 | 第21页 |
| ·Agent的定义、特征 | 第21-22页 |
| ·单Agent系统结构 | 第22-24页 |
| ·多Agent系统(MAS) | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于Web挖掘的多Agent个性化学习系统模型 | 第27-38页 |
| ·个性化推荐机制 | 第27-32页 |
| ·推荐系统模型 | 第32-36页 |
| ·模型体系结构 | 第32-34页 |
| ·在线操作层 | 第34-35页 |
| ·离线操作层 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 改进的聚类算法 | 第38-45页 |
| ·问题的提出 | 第38-39页 |
| ·蚁群和遗传算法 | 第39-41页 |
| ·混合蚁群聚类算法 | 第41-43页 |
| ·聚类的数学表达 | 第41页 |
| ·混合聚类算法的基本思想 | 第41-42页 |
| ·混合聚类算法计算流程 | 第42-43页 |
| ·算法有效性验证 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 实验与分析 | 第45-50页 |
| ·评价标准 | 第45-47页 |
| ·实验设计及分析 | 第47-49页 |
| ·实验设计 | 第47-48页 |
| ·实验结果及分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| ·工作总结 | 第50-51页 |
| ·未来工作展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 附录 攻读研究生期间主要的研究成果 | 第58页 |