基于智能Agent的个性化信息检索技术研究
| 1 绪论 | 第1-14页 |
| ·选题背景 | 第8-9页 |
| ·课题研究的意义 | 第9页 |
| ·国内外智能信息检索的研究动态 | 第9-12页 |
| ·智能Agent发展现状 | 第9-11页 |
| ·智能信息检索发展现 | 第11-12页 |
| ·论文主要研究内容 | 第12-14页 |
| 2 个性化信息检索与Agent | 第14-25页 |
| ·专家Agent(Expert Agent) | 第14-21页 |
| ·界面Agent | 第15-18页 |
| ·文档分析Agent | 第18-20页 |
| ·学习Agent | 第20-21页 |
| ·信息检索Agent | 第21页 |
| ·用户Agent | 第21页 |
| ·过滤Agent | 第21-22页 |
| ·个性化与相关反馈 | 第22页 |
| ·基于Agent的个性化信息检索示例 | 第22-25页 |
| 3 信息检索Agent | 第25-38页 |
| ·信息搜索Agent结构 | 第25-26页 |
| ·Web主页中URL的提取方法 | 第26-27页 |
| ·信息搜索Agent的算法实现 | 第27-33页 |
| ·布尔模型 | 第28页 |
| ·向量空间模型 | 第28-31页 |
| ·概率检索模型 | 第31-33页 |
| ·语义向量空间搜索算法SVS的设计与实现 | 第33-38页 |
| ·算法设计基本思想 | 第34-35页 |
| ·算法实现方法 | 第35-38页 |
| 4 二次过滤方法Agent | 第38-51页 |
| ·信息一次过滤 | 第38-41页 |
| ·三种查询的绑定 | 第38-41页 |
| ·结构化文档的组织与存储 | 第41页 |
| ·信息二次过滤 | 第41-49页 |
| ·二次过滤实现特性化检索 | 第41-42页 |
| ·二次过滤的两阶段法构造 | 第42页 |
| ·基于特征的Bayesian过滤的第一阶段检索 | 第42-46页 |
| ·ID3机器学习算法实现二次过滤的第二阶段检索 | 第46-49页 |
| ·两阶段二次过滤方法的测试和结果分析 | 第49-51页 |
| 5 用户模型的建立和维护 | 第51-61页 |
| ·用户Agent | 第51-52页 |
| ·用户Agent的结构 | 第51-52页 |
| ·用户Agent功能描述 | 第52页 |
| ·用户档案的建立和使用 | 第52-54页 |
| ·用户信息库的建立和使用 | 第54-57页 |
| ·用户信息库存储文档实例对照 | 第57-58页 |
| ·利用机器学习对用户模型进行重整 | 第58-60页 |
| ·基于人工智能的用户兴趣学习机制 | 第58-59页 |
| ·用户模型的重整 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·全文总结 | 第61-62页 |
| ·进一步工作 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 作者简介及硕士生期间发表的学术论文 | 第68页 |
