基于自动分类的元搜索引擎的研究与应用
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 引言 | 第7-14页 |
| ·课题研究背景 | 第7-8页 |
| ·问题的提出 | 第7页 |
| ·课题应用背景 | 第7-8页 |
| ·元搜索引擎研究研究现状 | 第8-10页 |
| ·元搜索引擎工作原理 | 第8页 |
| ·元搜索引擎的研究现状 | 第8-10页 |
| ·元搜索引擎的核心问题 | 第10页 |
| ·本文研究的内容 | 第10-11页 |
| ·本文的组织 | 第11-12页 |
| ·刑罚信息综合分析系统 | 第12-14页 |
| ·“刑罚信息综合分析系统”的信息领域范围 | 第12页 |
| ·“刑罚信息综合分析系统”的信息服务对象 | 第12-13页 |
| ·“刑罚信息综合分析系统”的信息服务形式 | 第13-14页 |
| 第二章 刑罚信息系统中的中文分词处理 | 第14-25页 |
| ·中文分词概述 | 第14-18页 |
| ·中文分词处理面临的主要困难 | 第14-16页 |
| ·中文分词处理的主要技术 | 第16-17页 |
| ·分词系统实例 | 第17-18页 |
| ·刑罚信息词典的建立 | 第18-22页 |
| ·“刑罚信息综合分析系统”的信息领域范围 | 第18-19页 |
| ·刑罚信息词典的建立 | 第19-21页 |
| ·刑罚信息词典的运用 | 第21-22页 |
| ·刑罚信息词典辅助中文分词 | 第22-25页 |
| 第三章 自动分类和文档向量模型 | 第25-38页 |
| ·聚类分析的数据类型和相似度 | 第26-29页 |
| ·聚类分析中的常用变量类型 | 第26-27页 |
| ·聚类分析中的相似度计算 | 第27-29页 |
| ·分类算法和聚类算法概述 | 第29-30页 |
| ·分类算法概述 | 第29页 |
| ·聚类算法概述 | 第29-30页 |
| ·文档模型建立 | 第30-33页 |
| ·文档向量空间模型 | 第31-32页 |
| ·文档相似性计算 | 第32-33页 |
| ·刑罚信息特征的提取 | 第33页 |
| ·文档分类和聚类 | 第33-35页 |
| ·文档分类 | 第33-34页 |
| ·文档聚类 | 第34-35页 |
| ·刑罚信息综合分析系统中的向量表示 | 第35-38页 |
| ·文档向量表示 | 第35-36页 |
| ·用户检索请求向量表示 | 第36页 |
| ·用户兴趣特征向量表示 | 第36-38页 |
| 第四章 刑罚信息综合分析系统中的元搜索引擎 | 第38-50页 |
| ·刑罚信息系统体系结构 | 第38-39页 |
| ·元搜索引擎检索过程概述 | 第39-40页 |
| ·用户兴趣模型的建立 | 第40-43页 |
| ·用户特征的获取 | 第40-42页 |
| ·用户特征表示 | 第42页 |
| ·用户检索历史记录 | 第42-43页 |
| ·用户特征动态变更 | 第43页 |
| ·检索结果整合 | 第43-49页 |
| ·检索结果整合方法概述 | 第43-44页 |
| ·本文的整合策略 | 第44-45页 |
| ·检索结果整合过程 | 第45页 |
| ·检索结果整合过程——聚类分析 | 第45-47页 |
| ·检索结果整合过程——类排序 | 第47-48页 |
| ·检索结果整合过程—类内排序 | 第48-49页 |
| ·元搜索引擎性能测试 | 第49-50页 |
| 第五章 刑罚信息综合分析系统简介 | 第50-55页 |
| ·刑罚信息综合分析系统的基本功能 | 第50-52页 |
| ·信息采集功能 | 第50-51页 |
| ·信息预处理功能 | 第51页 |
| ·建立索引 | 第51页 |
| ·辅助管理功能 | 第51-52页 |
| ·信息发布功能 | 第52页 |
| ·刑罚信息综合分析系统的技术要点 | 第52-55页 |
| 第六章 结论 | 第55-58页 |
| ·本文的有益探索和贡献 | 第55-57页 |
| ·面向刑罚信息领域的中文分词问题研究 | 第55页 |
| ·分类和聚类技术在检索结果整合中的研究 | 第55-56页 |
| ·用户兴趣模型在检索结果整合策略中的运用 | 第56页 |
| ·元搜索引擎检索结果整合策略研究 | 第56-57页 |
| ·未来工作 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录：元搜索引擎概述 | 第63-65页 |
| 在学期间发表的学术论文和参加科研情况 | 第65页 |
