首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于智能Agent的Web个性化信息检索系统

文摘第6-8页
英文文摘第8-9页
第一章 绪论第10-14页
    1.1 论文研究背景第10页
    1.2 论文研究意义第10-11页
    1.3 论文研究内容第11-14页
第二章 Web挖掘理论基础第14-23页
    2.1 数据挖掘第14-16页
        2.1.1 数据挖掘技术产生的背景第14页
        2.1.2 数据挖掘概念和过程第14-15页
        2.1.3 数据挖掘的主要技术第15-16页
    2.2 Web挖掘第16-23页
        2.2.1 Web挖掘基本概念第16-17页
        2.2.2 Web挖掘研究现状第17页
        2.2.3 Web内容挖掘第17-21页
            2.2.3.1 文本的特征表示第18页
            2.2.3.2 文本的特征子集的选取第18-19页
            2.2.3.3 Web网页的特征提取第19-21页
        2.2.4 Web结构挖掘第21-22页
        2.2.5 Web日志挖掘第22-23页
第三章 智能Agent技术第23-29页
    3.1 Agent简介第23-25页
        3.1.1 Agent工作原理第24页
        3.1.2 多Agent系统第24-25页
    3.2 智能Agent的推送(push)技术第25页
    3.3 智能Agent的研究现状第25-27页
    3.4 Agent技术在Internet信息服务中的应用第27-29页
第四章 基于智能Agent的Web个性化信息检索系统模型第29-41页
    4.1 模型体系结构第29-30页
    4.2 系统工作流程第30-31页
    4.3 数据库功能分析第31-34页
        4.3.1 用户模型库第31页
        4.3.2 文档数据库第31-32页
        4.3.3 文档模型和用户模型的表示第32-34页
            4.3.3.1 文档模型的表示第32-33页
            4.3.3.2 用户模型的表示第33-34页
    4.4 用户界面Agent和学习Agent的功能和策略第34-35页
    4.5 检索Agent的功能和策略第35-36页
    4.6 分析、过滤Agent的功能和文档处理策略第36-40页
        4.6.1 文档特征的提取第37页
        4.6.2 兴趣关键词的提取第37-40页
    4.7 选择、推送Agent的功能和策略第40-41页
第五章 用户兴趣挖掘技术第41-47页
    5.1 现有的用户兴趣挖掘算法第41-44页
        5.1.1 主动提供第41-43页
        5.1.2 相关反馈第43-44页
    5.2 现有兴趣挖掘算法的缺陷第44-45页
    5.3 用户兴趣挖掘算法第45-46页
        5.3.1 用户请求提交第45页
        5.3.2 个性化分析第45页
        5.3.3 兴趣学习第45页
        5.3.4 个性化分析算法第45-46页
    5.4 小结第46-47页
第六章 检索Agent的设计实现第47-60页
    6.1 搜索引擎和元搜索引擎第47-57页
        6.1.1 搜索引擎的工作原理第47-48页
        6.1.2 搜索引擎的分类第48-51页
        6.1.3 查询模型的分类第51-53页
        6.1.4 搜索引擎模型第53-56页
            6.1.4.1 通用的模型第53-55页
            6.1.4.2 Web元搜索引擎的模型第55-56页
        6.1.5 信息检索系统的性能指标第56-57页
    6.2 检索Agent第57-59页
        6.2.1 结构设计第57-58页
        6.2.2 相关概念介绍第58-59页
    6.3 小结第59-60页
第七章 基于智能Agent的Web个性化信息检索系统研究与实现第60-71页
    7.1 系统设计第60页
    7.2 系统关键问题处理第60-65页
        7.2.1 分词处理第60-61页
        7.2.2 关键算法第61-65页
            7.2.2.1 系统选择、推送算法第61-62页
            7.2.2.2 用户兴趣学习算法第62-63页
            7.2.2.3 个性化分析算法第63页
            7.2.2.4 个性化过滤算法第63-65页
    7.3 模型语法规则第65-66页
    7.4 系统测试第66-70页
    7.5 小结第70-71页
第八章 总结与展望第71-73页
    8.1 本文总结第71页
    8.2 进一步的研究方向第71-73页
参考文献第73-77页
致谢第77-78页
攻读学位期间发表的学术论文目录第78-79页
论文评阅及答辩情况表第79页

论文共79页,点击 下载论文
上一篇:TK公司母子公司管理控制的研究
下一篇:山东省危险废物管理现状与污染防治对策研究