| 第一章 绪论 | 第1-24页 |
| ·本体 | 第12-15页 |
| ·本体的定义 | 第12-13页 |
| ·本体的作用 | 第13-14页 |
| ·本体的类型 | 第14-15页 |
| ·知识社群的发展及其主要功能 | 第15-17页 |
| ·知识社群的概念 | 第15-16页 |
| ·知识社群的特征与优势 | 第16-17页 |
| ·用户PROFILE的定义及其构建形式 | 第17-21页 |
| ·用户profile的定义 | 第17-18页 |
| ·用户profile的构建形式 | 第18-20页 |
| ·用户profile构建技术的国内外研究现状 | 第20-21页 |
| ·论文的研究内容和组织结构 | 第21-23页 |
| ·论文研究的主要问题 | 第21-22页 |
| ·论文的研究内容和组织结构 | 第22-23页 |
| ·论文的主要贡献 | 第23-24页 |
| 第二章 相关技术研究 | 第24-35页 |
| ·文章分类 | 第24-25页 |
| ·文章分类技术 | 第24-25页 |
| ·自动用户建模 | 第25-27页 |
| ·自动用户建模的关键技术——用户聚类 | 第26-27页 |
| ·用户评估 | 第27-35页 |
| ·神经网络 | 第27-30页 |
| ·神经网络的分类 | 第28页 |
| ·神经网络的特点 | 第28-30页 |
| ·神经网络的应用 | 第30页 |
| ·粗糙集理论 | 第30-33页 |
| ·粗糙集理论的产生和发展 | 第30-31页 |
| ·粗糙集理论所能处理的问题 | 第31页 |
| ·粗糙集理论的特点 | 第31页 |
| ·粗糙集理论的应用 | 第31-33页 |
| ·神经网络与粗糙集 | 第33-35页 |
| ·神经网络与粗糙集的共同点 | 第33-34页 |
| ·神经网络与粗糙集的不同点 | 第34页 |
| ·基于粗糙集的神经网络 | 第34-35页 |
| 第三章 用户PROFILE | 第35-50页 |
| ·用户兴趣的获得 | 第35-46页 |
| ·由用户填写的表单得到用户的兴趣 | 第35-37页 |
| ·由用户的浏览行为得到用户的兴趣 | 第37-39页 |
| ·浏览行为对用户兴趣的体现 | 第37-38页 |
| ·浏览行为的分类 | 第38页 |
| ·兴趣度估计的主要来源——间接行为 | 第38-39页 |
| ·基于用户间接行为的用户兴趣度分析 | 第39-42页 |
| ·间接行为与用户兴趣度的相关性分析 | 第39-41页 |
| ·兴趣度估计的最小浏览行为组合 | 第41-42页 |
| ·兴趣度的计算方法 | 第42-46页 |
| ·用户兴趣度的估计 | 第42-45页 |
| ·用户兴趣随时间的衰减 | 第45-46页 |
| ·系统采用的计算兴趣度的方法 | 第46页 |
| ·用户特性 | 第46-48页 |
| ·描述用户特性的几个方面的分析 | 第46-47页 |
| ·系统中文章权重的设置 | 第47页 |
| ·用户特性的构造 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第四章 运用本体构建知识社群的用户PROFILE体系结构及其设计 | 第50-73页 |
| ·运行开发环境 | 第50-51页 |
| ·知识社群的结构 | 第51-53页 |
| ·知识社群的体系结构 | 第51-52页 |
| ·知识社群的划分 | 第52-53页 |
| ·用户PROFILE的设计及其结构 | 第53-69页 |
| ·用户profile的设计 | 第54-56页 |
| ·系统中本体的运用 | 第56-58页 |
| ·模块设计 | 第58-65页 |
| ·用户行为分析模块的设计 | 第58-61页 |
| ·用户特性分析模块的设计 | 第61-65页 |
| ·用户profile的结构以及实现 | 第65-69页 |
| ·实验结果 | 第69-72页 |
| ·实验目的及其指标 | 第69页 |
| ·实验结果及其分析 | 第69-72页 |
| ·小结 | 第72-73页 |
| 第五章 结论和展望 | 第73-76页 |
| ·论文的结论 | 第73-74页 |
| ·研究课题的展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |