Deep Web数据源分类及用户满意度评估研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本论文研究工作 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 Deep Web 数据源分类研究 | 第17-36页 |
| 2.1 分类概述 | 第17-18页 |
| 2.2 分类算法 | 第18-22页 |
| 2.2.1 决策树分类算法 | 第18-19页 |
| 2.2.2 朴素贝叶斯算法 | 第19-20页 |
| 2.2.3 神经网络分类算法 | 第20-21页 |
| 2.2.4 向量空间模型法 | 第21-22页 |
| 2.3 VD-KNN 算法 | 第22-23页 |
| 2.4 AD-DWSC 算法 | 第23-27页 |
| 2.4.1 基本思想 | 第23-24页 |
| 2.4.2 算法过程 | 第24-26页 |
| 2.4.3 算法描述 | 第26-27页 |
| 2.5 实验设计与分析 | 第27-35页 |
| 2.5.1 实验环境 | 第27页 |
| 2.5.2 数据介绍 | 第27-31页 |
| 2.5.3 实验及分析 | 第31-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 检索结果用户满意度评估研究 | 第36-47页 |
| 3.1 评估体系介绍 | 第36-38页 |
| 3.1.1 Cranfield 评价体系 | 第36-37页 |
| 3.1.2 查询词集合的选取 | 第37页 |
| 3.1.3 问题和挑战 | 第37-38页 |
| 3.2 ASP-SEPE 算法模型 | 第38-42页 |
| 3.2.1 约定和假设 | 第38页 |
| 3.2.2 用户行为分析与建模 | 第38-41页 |
| 3.2.3 搜索引擎评估过程 | 第41-42页 |
| 3.3 实验设计与分析 | 第42-46页 |
| 3.3.1 实验环境 | 第42页 |
| 3.3.2 数据介绍 | 第42页 |
| 3.3.3 实验及分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 总结与展望 | 第47-51页 |
| 4.1 本文总结 | 第47-49页 |
| 4.2 工作展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第56页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第56页 |
