WEB2.0网络热点发现与个性化检索研究
摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第一章 绪论 | 第13-22页 |
·概述 | 第13-14页 |
·网络热点发现与追踪研究现状 | 第14-17页 |
·话题检测与跟踪概述 | 第14页 |
·话题关系检测研究现状 | 第14-15页 |
·新话题检测研究现状 | 第15页 |
·国内研究现状 | 第15-17页 |
·个性化检索研究现状 | 第17-20页 |
·个性化服务系统概述 | 第17-18页 |
·个性化研究现状 | 第18-20页 |
·网络热点发现与个性化推荐 | 第20页 |
·本文的研究内容与结构安排 | 第20-22页 |
·本文的研究内容 | 第20-21页 |
·本文结构安排 | 第21-22页 |
第二章 面向Web2.0对象的分布式爬虫 | 第22-37页 |
·通用爬虫模型 | 第22-24页 |
·通用爬虫结构 | 第22-23页 |
·网页的重要程度 | 第23-24页 |
·主题爬虫模型 | 第24-25页 |
·主题爬虫的原理 | 第24-25页 |
·主题爬虫的结构 | 第25页 |
·现有爬虫模型和算法的局限性 | 第25-27页 |
·面向对象的分布式爬虫模型 | 第27-32页 |
·特性和改进 | 第27-29页 |
·系统结构 | 第29-31页 |
·工作流程 | 第31-32页 |
·爬虫实验 | 第32-35页 |
·实验介绍 | 第32-33页 |
·实验过程 | 第33页 |
·结果与分析 | 第33-35页 |
·本章小结 | 第35-37页 |
第三章 基于Tag的Web 2.0信息表示模型 | 第37-54页 |
·Web信息抽取 | 第37-40页 |
·信息抽取技术介绍 | 第37-38页 |
·Web信息抽取算法 | 第38-40页 |
·Web2.0网页信息抽取的特点 | 第40-41页 |
·网页Tag抽取 | 第41-46页 |
·基于视觉的页面分割算法 | 第42-43页 |
·中文分词 | 第43页 |
·实体抽取 | 第43-45页 |
·用户Tag的抽取 | 第45页 |
·综合抽取 | 第45-46页 |
·多媒体Tag抽取 | 第46-47页 |
·一种基于规则和统计的混合实体识别算法 | 第47-53页 |
·概述 | 第47页 |
·系统框架 | 第47-52页 |
·实验结果及分析 | 第52-53页 |
·本章小结 | 第53-54页 |
第四章 Web 2.0下热点话题发现、评价与追踪 | 第54-75页 |
·传统TDT技术 | 第54-56页 |
·TDT任务 | 第54-55页 |
·TDT相关技术 | 第55-56页 |
·Web 2.0下TDT的挑战 | 第56-57页 |
·Web 2.0下的热点话题发现与追踪模型 | 第57-69页 |
·网页预处理 | 第58-59页 |
·话题发现模块 | 第59-62页 |
·热度评价算法 | 第62-65页 |
·基于热度的追踪算法 | 第65-67页 |
·热点检索 | 第67-69页 |
·实验结果与分析 | 第69-74页 |
·热点发现实验 | 第69-72页 |
·热点追踪实验 | 第72-74页 |
·本章小结 | 第74-75页 |
第五章 用户兴趣模型与个性化推荐 | 第75-94页 |
·用户兴趣模型概述 | 第75-76页 |
·用户信息收集 | 第76-80页 |
·显式用户信息收集 | 第77页 |
·隐式用户信息收集 | 第77-79页 |
·两种收集方式的比较 | 第79-80页 |
·用户兴趣模型的表达与建立 | 第80-83页 |
·基于关键词的用户兴趣模型 | 第81-82页 |
·基于概念的用户兴趣模型 | 第82-83页 |
·基于主题的在线用户兴趣模型 | 第83-88页 |
·模型概述 | 第83-84页 |
·用户档案聚类 | 第84-86页 |
·用户兴趣模型的建立与更新 | 第86-88页 |
·用户兴趣模型在个性化推荐中的应用 | 第88-91页 |
·个性化推荐基本方法 | 第88-90页 |
·基于用户兴趣模型的个性化推荐 | 第90-91页 |
·实验结果与分析 | 第91-92页 |
·实验数据 | 第91页 |
·评价方式 | 第91页 |
·实验结果 | 第91-92页 |
·本章小结 | 第92-94页 |
第六章 总结与展望 | 第94-96页 |
·论文总结 | 第94页 |
·未来研究方向展望 | 第94-96页 |
参考文献 | 第96-109页 |
攻读博士学位期间发表的论文 | 第109-110页 |
攻读博士学位期间参加的科研项目 | 第110-111页 |
致谢 | 第111页 |