| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题意义 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文结构 | 第12-15页 |
| 第二章 理论基础和技术 | 第15-21页 |
| 2.1 本体论 | 第15-18页 |
| 2.1.1 本体定义 | 第15页 |
| 2.1.2 本体描述语言 | 第15-16页 |
| 2.1.3 本体构建方法 | 第16-17页 |
| 2.1.4 基于本体的学习资源描述 | 第17-18页 |
| 2.2 基于本体的语义相似度计算 | 第18-20页 |
| 2.2.1 语义相似度概念 | 第18-19页 |
| 2.2.2 语义相似度计算 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 领域本体的学习资源库构建 | 第21-33页 |
| 3.1 领域本体的构建 | 第21-27页 |
| 3.1.1 领域概念的抽取 | 第21页 |
| 3.1.2 确定概念的属性 | 第21-22页 |
| 3.1.3 建立本体的实例 | 第22-26页 |
| 3.1.4 存储本体 | 第26-27页 |
| 3.2 网页抓取算法 | 第27-29页 |
| 3.2.1 PageRank算法 | 第27-28页 |
| 3.2.2 Best-FirstSearch算法 | 第28页 |
| 3.2.3 Shark-Search算法 | 第28-29页 |
| 3.3 基于本体的学习资源库构建模型 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于本体的用户兴趣模型分析 | 第33-39页 |
| 4.1 用户兴趣模型 | 第33-34页 |
| 4.2 用户兴趣权重估计分析 | 第34-35页 |
| 4.2.1 用户感兴趣的资源类型权重估计 | 第34页 |
| 4.2.2 显式兴趣权重估计 | 第34页 |
| 4.2.3 隐式兴趣权重估计 | 第34-35页 |
| 4.3 用户兴趣模型及更新 | 第35-36页 |
| 4.4 本章小结 | 第36-39页 |
| 第五章 基于本体和蚁群算法的个性化资源推荐算法研究 | 第39-51页 |
| 5.1 蚁群算法 | 第39-41页 |
| 5.1.1 信息素 | 第39-40页 |
| 5.1.2 信息素的更新 | 第40页 |
| 5.1.3 路径选择概率 | 第40页 |
| 5.1.4 蚁群算法和资源推荐问题的对应关系 | 第40-41页 |
| 5.2 基于本体的个性化资源推荐算法 | 第41-49页 |
| 5.2.1 算法描述 | 第42-43页 |
| 5.2.2 参数对用户聚类的影响分析 | 第43-44页 |
| 5.2.3 蚁群算法在推荐中的具体应用 | 第44-46页 |
| 5.2.4 实验环境 | 第46页 |
| 5.2.5 推荐结果 | 第46-49页 |
| 5.3 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 论文总结 | 第51页 |
| 6.2 对未来工作的展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61页 |