| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·Internet的发展和WWW的兴起 | 第8页 |
| ·Web上的信息过滤 | 第8-12页 |
| ·研究背景和意义 | 第8-10页 |
| ·信息过滤的提出和研究现状 | 第10-11页 |
| ·现存的问题 | 第11-12页 |
| ·本文的主要工作和章节安排 | 第12-13页 |
| 第二章 Web上的信息过滤问题 | 第13-23页 |
| ·信息过滤系统的体系结构 | 第13-15页 |
| ·信息过滤系统的特点及分类 | 第15-17页 |
| ·信息过滤系统的特点 | 第15页 |
| ·信息过滤系统的分类 | 第15-17页 |
| ·信息检索和信息过滤的关系 | 第17-18页 |
| ·三种经典的信息过滤模型 | 第18-21页 |
| ·布尔模型 | 第19页 |
| ·向量空间模型 | 第19-20页 |
| ·概率模型 | 第20-21页 |
| ·结论 | 第21页 |
| ·信息空间模型与用户模型 | 第21-22页 |
| ·信息过滤系统的性能评价 | 第22-23页 |
| 第三章 信息过滤关键技术 | 第23-38页 |
| ·用户个性化模式库的表示和建立 | 第23-28页 |
| ·个性化服务 | 第23-24页 |
| ·用户个性化模式的表示 | 第24-25页 |
| ·分类思想在用户个性化文件的应用 | 第24-25页 |
| ·主题文件Profile的表示 | 第25页 |
| ·用户兴趣的联想 | 第25-28页 |
| ·信息过滤中的机器学习:神经网络 | 第25-26页 |
| ·利用Hopfield网络模型建立初始个性化文件 | 第26-27页 |
| ·Hopfield神经网络兴趣联想的原理及算法 | 第27-28页 |
| ·文档与用户个性化模式库的匹配过滤机制 | 第28-31页 |
| ·现有过滤模型的问题 | 第28-29页 |
| ·本文给出的过滤匹配算法 | 第29-31页 |
| ·利用相关反馈技术修改用户个性化文件库 | 第31-33页 |
| ·相关反馈技术的回顾 | 第31-32页 |
| ·利用相关反馈方法修改用户个性化Profile | 第32-33页 |
| ·过滤算法流程图 | 第33-34页 |
| ·模拟实验 | 第34-38页 |
| ·主要的数据结构 | 第34页 |
| ·实验数据的选取及部分实验参数的确定 | 第34-35页 |
| ·实验过程及对比结果 | 第35-38页 |
| ·用户兴趣联想的模拟实验 | 第35-36页 |
| ·过滤算法的对照模拟实验 | 第36-38页 |
| 第四章 基于多Agent的智能信息过滤系统 | 第38-52页 |
| ·智能信息Agent的特点及在信息过滤系统的应用 | 第38-39页 |
| ·多Agents智能过滤系统中知识库的建立及表结构 | 第39-41页 |
| ·主题词、相关词和过滤词表 | 第39-40页 |
| ·用户个性化文件表 | 第40页 |
| ·WWW资源表 | 第40-41页 |
| ·多Agents智能过滤系统的总体框图 | 第41-42页 |
| ·多Agents智能过滤系统的操作流程 | 第42-45页 |
| ·主动搜索过程 | 第42页 |
| ·兴趣学习过程 | 第42-43页 |
| ·用户服务过程 | 第43-45页 |
| ·系统主要模块的功能及相关技术 | 第45-46页 |
| ·系统开发平台 | 第46-47页 |
| ·部分界面和代码 | 第47-52页 |
| 第五章 结束语 | 第52-54页 |
| ·本文的主要工作及特点 | 第52页 |
| ·进一步的工作 | 第52-54页 |
| 发表论文 | 第54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |