| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-38页 |
| ·复杂网络 | 第11-22页 |
| ·复杂性与复杂网络 | 第11-13页 |
| ·复杂网络的重要特征和典型模型 | 第13-17页 |
| ·Web2.0 与复杂网络 | 第17-20页 |
| ·复杂网络研究现状 | 第20-22页 |
| ·互联网个性化信息服务概述 | 第22-34页 |
| ·互联网个性化信息服务 | 第22-23页 |
| ·互联网个性化信息服务研究现状 | 第23-34页 |
| ·本文工作内容与组织结构 | 第34-38页 |
| ·本文工作内容 | 第34-36页 |
| ·本文组织结构 | 第36-38页 |
| 第二章 复杂网络中社团发现理论与应用的研究 | 第38-54页 |
| ·复杂网络中社团发现理论 | 第39-43页 |
| ·复杂网络中社团发现概述 | 第39-40页 |
| ·复杂网络中社团发现的研究现状 | 第40-43页 |
| ·交联网络 | 第43-44页 |
| ·可重叠的交联网络社团发现算法 | 第44-52页 |
| ·相关概念 | 第44-46页 |
| ·可重叠的交联网络社团发现算法 | 第46-48页 |
| ·实验结果与分析 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第三章 复杂网络特征在关键词抽取和聚类分析中的应用研究 | 第54-72页 |
| ·复杂网络特征在关键词抽取中的应用研究 | 第54-63页 |
| ·语言网络及小世界特性 | 第54-57页 |
| ·基于复杂网络特征的关键词抽取算法 | 第57-60页 |
| ·实验结果与分析 | 第60-63页 |
| ·复杂网络特征在聚类分析中的应用研究 | 第63-70页 |
| ·K-means聚类算法 | 第63-64页 |
| ·加权复杂网络的重要特征 | 第64-65页 |
| ·基于加权复杂网络特征的K-means聚类算法 | 第65-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·本章小结 | 第70-72页 |
| 第四章 互联网个性化信息服务中文本聚类与分类的研究 | 第72-96页 |
| ·基于概念的文本聚类的研究现状及相关工作 | 第73-81页 |
| ·基于概念的文本聚类研究现状 | 第73-74页 |
| ·文本索引技术 | 第74-76页 |
| ·文本降维技术 | 第76-79页 |
| ·本体论与知网 | 第79-81页 |
| ·词共现模型 | 第81页 |
| ·基于语义和统计特征的中文文本表示方法 | 第81-88页 |
| ·相关概念 | 第81-82页 |
| ·义原选择策略 | 第82-83页 |
| ·词义排歧 | 第83-84页 |
| ·基于语义和统计特征的中文文本表示方法 | 第84-85页 |
| ·实验结果与分析 | 第85-88页 |
| ·基于CBR与商空间模型的文本分类研究 | 第88-94页 |
| ·基于CBR的文本分类方法 | 第88-89页 |
| ·粒度和商空间模型 | 第89-90页 |
| ·基于CBR与商空间模型的文本分类研究 | 第90-94页 |
| ·本章小结 | 第94-96页 |
| 第五章 互联网个性化信息服务中自动推荐系统的研究 | 第96-112页 |
| ·用户模型的研究现状 | 第96-101页 |
| ·自动推荐技术的研究现状 | 第101-103页 |
| ·基于聚类与分类的个性化文章自动推荐系统研究 | 第103-110页 |
| ·基于聚类的离线用户模型及用户群获取子系统 | 第104-106页 |
| ·基于分类的在线个性化文章推荐子系统 | 第106-107页 |
| ·实验结果与分析 | 第107-110页 |
| ·本章小结 | 第110-112页 |
| 第六章 总结与展望 | 第112-116页 |
| ·本文主要结论 | 第112-113页 |
| ·主要创新点 | 第113-114页 |
| ·今后工作展望 | 第114-116页 |
| 参考文献 | 第116-127页 |
| 致谢 | 第127-128页 |
| 攻读博士期间发表论文 | 第128-129页 |
| 攻读博士学位期间参加的科研项目 | 第129页 |