面向WEB个性化服务的用户建模技术
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·论文的选题背景及研究意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·个性化服务的发展现状 | 第10-11页 |
| ·用户兴趣建模的研究现状 | 第11-12页 |
| ·本文的研究目的和研究内容 | 第12-13页 |
| ·论文组织结构 | 第13页 |
| ·本章小结 | 第13-14页 |
| 2 挖掘用户兴趣的改进的混合聚类算法IHCA | 第14-30页 |
| ·用户兴趣网页的描述 | 第14-17页 |
| ·网页特征提取 | 第14-15页 |
| ·网页描述及相似度的计算方式 | 第15-17页 |
| ·混合聚类算法HCA 的分析 | 第17-20页 |
| ·初始聚类簇数目的自动计算 | 第17-18页 |
| ·HCA 算法的染色体编码和种群模式 | 第18页 |
| ·HCA 算法的适应值函数 | 第18页 |
| ·HCA 算法的交叉操作 | 第18-19页 |
| ·HCA 算法的变异操作 | 第19-20页 |
| ·HCA 算法的收敛与求解 | 第20页 |
| ·改进的混合聚类算法IHCA 的提出 | 第20-28页 |
| ·初始聚类簇数目自动计算的改进 | 第21-23页 |
| ·种群模式的改进 | 第23-25页 |
| ·交叉操作的改进 | 第25-26页 |
| ·变异操作的改进 | 第26-28页 |
| ·局部搜索算子 | 第28页 |
| ·改进的混合聚类算法IHCA 的设计 | 第28-29页 |
| ·IHCA 算法步骤 | 第29页 |
| ·算法的求解 | 第29页 |
| ·本章小结 | 第29-30页 |
| 3 IHCA 算法的适应值函数设计 | 第30-37页 |
| ·常用适应值函数 | 第30页 |
| ·引入类间距离因素的改进适应值函数 | 第30-35页 |
| ·改进的混合聚类算法适应值函数 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 用户兴趣模型的建立 | 第37-45页 |
| ·用户兴趣模型概述 | 第37-39页 |
| ·用户兴趣度的获取方式 | 第37-38页 |
| ·用户兴趣的描述形式 | 第38-39页 |
| ·基于用户词典与两级向量的用户兴趣模型建立 | 第39-44页 |
| ·两级向量模型与用户词典 | 第39-40页 |
| ·用户兴趣模型的建立 | 第40-42页 |
| ·用户描述文件 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 实验结果及分析 | 第45-59页 |
| ·实验平台与实验数据 | 第45-46页 |
| ·用户兴趣点个数计算效果实验 | 第46-51页 |
| ·用户兴趣点挖掘效果实验 | 第51-54页 |
| ·IHCA 算法适应值函数的效果实验 | 第54-56页 |
| ·用户兴趣模型的检索实验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64页 |
| A. 作者在攻读学位期间发表的论文目录 | 第64页 |
