| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 人机交互中的用户模型 | 第7-14页 |
| ·用户模型概述 | 第7-10页 |
| ·引言 | 第7-8页 |
| ·用户模型的定义 | 第8页 |
| ·用户模型的作用 | 第8页 |
| ·用户模型的分类 | 第8-10页 |
| ·用户模型的获取 | 第10页 |
| ·用户模型的应用领域 | 第10-12页 |
| ·自适应人机接口(AHCI) | 第10-11页 |
| ·智能代理(IA) | 第11页 |
| ·智能教学系统(ITS) | 第11页 |
| ·信息查询(IS) | 第11-12页 |
| ·用户模型的未来 | 第12页 |
| ·本文研究目的和所作的工作 | 第12-13页 |
| ·本文的组织 | 第13-14页 |
| 第二章 用户建模方法的研究 | 第14-29页 |
| ·用户建模的定义 | 第14页 |
| ·用户的模拟及类型划分 | 第14-16页 |
| ·用户的模拟 | 第14-15页 |
| ·用户类型的划分方法 | 第15-16页 |
| ·用户建模的方法 | 第16-27页 |
| ·按对用户模型更新的方式分类 | 第16-17页 |
| ·静态用户建模 | 第16-17页 |
| ·动态用户建模 | 第17页 |
| ·静态用户建模与动态用户建模方法的比较 | 第17页 |
| ·按建立用户模型时使用的不同技术分类 | 第17-27页 |
| ·基于模板(Stereotype)的用户建模方法 | 第17-19页 |
| ·基于机器学习(Machine Learning)的用户建模方法 | 第19-20页 |
| ·基于贝叶斯网络(Bayesian Network)的用户建模方法 | 第20-22页 |
| ·基于神经网络(Neural Network)的用户建模方法 | 第22-24页 |
| ·基于逻辑(Logic-based)的用户建模方法 | 第24-25页 |
| ·基于模糊集(Fuzzy Set)的用户建模方法 | 第25-27页 |
| ·使用不同技术的建模方法比较 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第三章 利用粗糙集理论对用户建模 | 第29-42页 |
| ·粗糙集理论概述 | 第29-34页 |
| ·知识与知识库 | 第29-30页 |
| ·不精确范畴，近似与粗糙集 | 第30-31页 |
| ·知识表达系统和决策表 | 第31-32页 |
| ·支持子集 | 第32页 |
| ·决策属性的支持度 | 第32页 |
| ·多个条件的支持度 | 第32页 |
| ·重要性和核 | 第32-33页 |
| ·知识约简 | 第33页 |
| ·规则的生成 | 第33-34页 |
| ·利用粗糙集方法建立用户模型 | 第34-41页 |
| ·简单分类 | 第35-36页 |
| ·支持子集支持度的计算 | 第36-37页 |
| ·决策属性支持度的计算 | 第37页 |
| ·交的计算 | 第37-38页 |
| ·重要性和核的计算 | 第38-39页 |
| ·规则的生成 | 第39-41页 |
| ·粗糙集方法与模糊集方法的比较 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第四章 系统实例与评估 | 第42-56页 |
| ·实验设计和执行过程 | 第42-54页 |
| ·用户类型的划分 | 第42页 |
| ·规则的生成 | 第42-44页 |
| ·用户模型初始化 | 第44页 |
| ·用户模型的更新 | 第44-45页 |
| ·系统模板主要区别 | 第45页 |
| ·系统中使用的决策方法简介 | 第45-49页 |
| ·决策方法库的设计 | 第49页 |
| ·数据库的设计 | 第49-50页 |
| ·执行过程实例 | 第50-54页 |
| ·实验结果和数据分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结和研究展望 | 第56-57页 |
| ·论文工作总结 | 第56页 |
| ·进一步研究展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 1 QUIS调查表 | 第61-62页 |
| 2 研究生期间发表论文情况 | 第62页 |
