| 中文摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究目的 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.3.1 用户模型建模研究现状 | 第13-14页 |
| 1.3.2 主动服务研究现状 | 第14页 |
| 1.3.3 研究小结 | 第14-15页 |
| 1.4 研究内容及组织结构 | 第15-17页 |
| 1.4.1 研究内容及技术路线 | 第15页 |
| 1.4.2 论文的组织结构 | 第15-17页 |
| 2 地理信息主动服务概述 | 第17-23页 |
| 2.1 主动服务的概念和原理 | 第17页 |
| 2.2 空间地理信息 | 第17页 |
| 2.3 用户模型概述 | 第17-18页 |
| 2.4 Web挖掘技术 | 第18-20页 |
| 2.4.1 Web挖掘概念 | 第18页 |
| 2.4.2 Web挖掘技术方法 | 第18-19页 |
| 2.4.3 文本信息自动分类方法 | 第19-20页 |
| 2.5 信息推荐概述 | 第20-21页 |
| 2.5.1 信息推荐概念 | 第20-21页 |
| 2.5.2 信息推荐方法介绍 | 第21页 |
| 2.6 信息推送 | 第21-22页 |
| 2.6.1 信息推送媒介 | 第22页 |
| 2.6.2 信息推送与用户反馈 | 第22页 |
| 2.7 本章小结 | 第22-23页 |
| 3 用户兴趣算法与模型构建 | 第23-31页 |
| 3.1 用户兴趣信息 | 第23-24页 |
| 3.1.1 用户兴趣信息 | 第23-24页 |
| 3.1.2 用户兴趣信息采集方法 | 第24页 |
| 3.2 用户兴趣模型 | 第24-27页 |
| 3.2.1 用户兴趣模型的表示方法 | 第25-26页 |
| 3.2.2 用户兴趣度以及度量方法 | 第26-27页 |
| 3.3 用户兴趣模型更新 | 第27-29页 |
| 3.3.1 兴趣模型更新的方式 | 第27-28页 |
| 3.3.2 兴趣模型更新的指标 | 第28-29页 |
| 3.3.3 兴趣模型更新算法流程 | 第29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 主动信息推荐算法研究 | 第31-35页 |
| 4.1 协同过滤推荐方法 | 第31页 |
| 4.2 改进的基于地理要素属性、云填充的协同过滤推荐算法 | 第31-34页 |
| 4.3 改进的协同过滤推荐算法的步骤流程 | 第34页 |
| 4.4 本章小结 | 第34-35页 |
| 5 地理信息主动服务模式实现 | 第35-43页 |
| 5.1 总体设计 | 第35-38页 |
| 5.1.1 功能概述 | 第35-36页 |
| 5.1.2 结构与流程 | 第36-38页 |
| 5.2 开发实现 | 第38-40页 |
| 5.2.1 开发环境和语言 | 第38页 |
| 5.2.2 数据库设计 | 第38-40页 |
| 5.3 系统评估方法 | 第40-42页 |
| 5.3.1 文本信息分类评估 | 第40-41页 |
| 5.3.2 改进旳推荐算法兴趣推荐度评估 | 第41-42页 |
| 5.4 本章小结 | 第42-43页 |
| 6 基于实验区融合信息主动服务的应用 | 第43-51页 |
| 6.1 实验区数据概述 | 第43-45页 |
| 6.1.1 数据来源 | 第43-44页 |
| 6.1.2 实验区机构属性信息 | 第44-45页 |
| 6.2 机构信息预处理 | 第45-47页 |
| 6.2.1 属性文本信息云填充 | 第46-47页 |
| 6.2.2 属性文本信息自动分类 | 第47页 |
| 6.3 机构融合信息主动服务实现 | 第47-50页 |
| 6.4 本章小结 | 第50-51页 |
| 7 总结及展望 | 第51-53页 |
| 7.1 总结 | 第51-52页 |
| 7.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 研究生期间发表论文及参与项目 | 第59页 |