| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·研究背景 | 第13页 |
| ·研究现状及意义 | 第13-15页 |
| ·用户兴趣模型研究现状 | 第13-15页 |
| ·研究目的及意义 | 第15页 |
| ·论文主要研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 面向个性化服务的用户兴趣建模 | 第17-29页 |
| ·个性化服务研究概述 | 第17-20页 |
| ·个性化服务的含义 | 第17页 |
| ·个性化推荐 | 第17-19页 |
| ·个性化信息检索 | 第19页 |
| ·个性化站点 | 第19-20页 |
| ·用户信息获取 | 第20-24页 |
| ·显式用户反馈 | 第20-21页 |
| ·隐式用户反馈 | 第21-23页 |
| ·显式与隐式用户反馈比较 | 第23-24页 |
| ·用户兴趣建模理论基础 | 第24-28页 |
| ·个性化服务核心技术——用户兴趣建模 | 第24-25页 |
| ·用户兴趣建模信息来源 | 第25-26页 |
| ·用户兴趣表示 | 第26-27页 |
| ·用户兴趣及文本计算 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于层次向量空间模型的用户兴趣建模 | 第29-38页 |
| ·用户兴趣常见表示模型 | 第29-33页 |
| ·关键词表示模型 | 第29-31页 |
| ·语义网络表示模型 | 第31-32页 |
| ·概念表示模型 | 第32-33页 |
| ·特征选择 | 第33-34页 |
| ·文档频率和词频 | 第33页 |
| ·TFIDF 法 | 第33-34页 |
| ·信息增益(Information Gain，IG) | 第34页 |
| ·互信息(Mutual Information，MI) | 第34页 |
| ·基于浏览行为的用户兴趣度估计 | 第34-35页 |
| ·用户兴趣建模 | 第35-37页 |
| ·兴趣主题特征及权值计算 | 第35-36页 |
| ·基于层次 VSM 构建用户兴趣模型 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 用户兴趣模型更新 | 第38-44页 |
| ·MTDR 算法思想描述 | 第38-41页 |
| ·Rocchio 相关性反馈 | 第38页 |
| ·MTDR 算法 | 第38-41页 |
| ·改进后的模型更新算法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 实验设计与结果分析 | 第44-49页 |
| ·实验环境 | 第44页 |
| ·实验数据及分词处理 | 第44-45页 |
| ·实验设计流程 | 第45-46页 |
| ·特征选择及用户兴趣度估计 | 第46页 |
| ·评价指标 | 第46-47页 |
| ·实验结果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间参加研究的课题和发表的论文 | 第55-56页 |