| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-20页 |
| ·序言 | 第10页 |
| ·博客的产生和发展 | 第10-12页 |
| ·个性化服务概述 | 第12-15页 |
| ·起源 | 第12-13页 |
| ·服务形式 | 第13页 |
| ·相关技术 | 第13-14页 |
| ·研究和发展动态 | 第14-15页 |
| ·研究的意义和目的 | 第15-17页 |
| ·中国博客市场规模 | 第15-16页 |
| ·博客用户流动性分析 | 第16页 |
| ·博客用户满意度研究 | 第16-17页 |
| ·本文的工作和论文的组织 | 第17-20页 |
| 第2章 个性化服务关键技术 | 第20-30页 |
| ·Web数据挖掘技术 | 第20-23页 |
| ·Web数据挖掘的分类 | 第20-21页 |
| ·Web内容挖掘 | 第21页 |
| ·Web结构挖掘 | 第21-22页 |
| ·Web使用挖掘 | 第22页 |
| ·Web数据挖掘在博客个性化中的应用 | 第22-23页 |
| ·用户模型概述 | 第23页 |
| ·用户建模过程 | 第23-27页 |
| ·数据收集 | 第23-24页 |
| ·模型表示 | 第24-25页 |
| ·模型学习 | 第25-26页 |
| ·模型更新 | 第26-27页 |
| ·个性化推荐技术 | 第27-29页 |
| ·基于规则的推荐 | 第27页 |
| ·基于内容的推荐 | 第27-28页 |
| ·合作推荐 | 第28页 |
| ·混合推荐 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 博客用户的个性化建模总体设计 | 第30-42页 |
| ·设计目标 | 第30-31页 |
| ·总体设计 | 第31-37页 |
| ·博客个性化服务系统总体架构 | 第31-32页 |
| ·个性化建模系统流程 | 第32-34页 |
| ·建模系统技术框架 | 第34-35页 |
| ·数据表设计 | 第35-37页 |
| ·模块划分和模块功能介绍 | 第37-41页 |
| ·个性化建模系统模块划分 | 第37-38页 |
| ·博客信息收集器 | 第38-39页 |
| ·兴趣提取器 | 第39-40页 |
| ·个性化模型生成器 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 兴趣提取器的设计与实现 | 第42-57页 |
| ·设计需求与目标 | 第42页 |
| ·工作原理与算法改进 | 第42-48页 |
| ·文本分类概述 | 第42-44页 |
| ·本文采用的文本分类算法 | 第44-46页 |
| ·分类算法的改进 | 第46-48页 |
| ·兴趣提取器的工作流程 | 第48-49页 |
| ·子模块实现 | 第49-52页 |
| ·文本预处理模块 | 第49-51页 |
| ·特征提取模块 | 第51-52页 |
| ·分类算法模块 | 第52页 |
| ·兴趣提取器训练与测试结果 | 第52-56页 |
| ·兴趣提取器的训练 | 第52页 |
| ·测试结果与评测指标 | 第52-54页 |
| ·性能比较 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 个性化模型生成器的设计与实现 | 第57-71页 |
| ·设计目标 | 第57-58页 |
| ·个性化模型生成器的工作流程 | 第58-59页 |
| ·模型表示及核心算法 | 第59-62页 |
| ·兴趣集合的表示 | 第59页 |
| ·用户模型的表示 | 第59-60页 |
| ·兴趣衰减(Interest Attenuation)算法 | 第60-62页 |
| ·子模块功能与实现 | 第62-67页 |
| ·短期兴趣模型的生成与更新 | 第62-63页 |
| ·长期兴趣模型的生成与更新 | 第63-64页 |
| ·个性化模型的输出 | 第64-67页 |
| ·实验数据 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 博客用户的个性化模型应用实例 | 第71-76页 |
| ·基于RSS的博客个性化推荐服务 | 第71页 |
| ·个性化资讯推荐 | 第71-73页 |
| ·隐式博客圈服务 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第7章 总结和展望 | 第76-78页 |
| ·工作总结 | 第76-77页 |
| ·未来展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |