个性化服务中用户兴趣模型的研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·个性化服务研究现状 | 第9-10页 |
| ·论文的选题及研究意义 | 第10-11页 |
| ·论文内容的组织 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 2 用户兴趣模型 | 第13-19页 |
| ·用户兴趣模型研究现状 | 第13-14页 |
| ·用户兴趣模型研究内容 | 第13页 |
| ·国内外用户兴趣模型研究状况 | 第13-14页 |
| ·建模的相关技术 | 第14-17页 |
| ·文本特征表示 | 第14-16页 |
| ·文本聚类技术 | 第16页 |
| ·XML 技术 | 第16-17页 |
| ·一种改进的用户模型 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 用户数据的收集 | 第19-25页 |
| ·用户数据的收集方式 | 第19-21页 |
| ·服务器端数据 | 第19页 |
| ·客户端数据 | 第19-20页 |
| ·代理服务器端数据 | 第20页 |
| ·文本元数据获取 | 第20-21页 |
| ·两类用户数据的收集 | 第21-24页 |
| ·文本特征向量的抽取 | 第21-23页 |
| ·用户行为数据的获取 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 4 用户兴趣度的计算 | 第25-37页 |
| ·基于内容的用户兴趣度计算 | 第25-29页 |
| ·特征词权值计算方法简述 | 第25-27页 |
| ·特征词权值计算方法 | 第27-29页 |
| ·一种基于行为的网页兴趣度计算方法 | 第29-35页 |
| ·多元线性回归方法 | 第29-31页 |
| ·基于行为的网页兴趣度的计算 | 第31-35页 |
| ·两种方法的结合 | 第35页 |
| ·本章小节 | 第35-37页 |
| 5 用户兴趣的分类及表示 | 第37-49页 |
| ·相似度的度量方法 | 第37-40页 |
| ·样本类型 | 第37-38页 |
| ·文本相似度的度量 | 第38-40页 |
| ·一种改进的聚类算法 | 第40-45页 |
| ·层次聚类算法 | 第40-41页 |
| ·k-means 算法 | 第41-42页 |
| ·一种改进的层次聚类算法 | 第42-45页 |
| ·新的用户兴趣表示模型 | 第45-48页 |
| ·用户兴趣表示的多层树状模型 | 第45-47页 |
| ·用户兴趣的更新 | 第47页 |
| ·用户兴趣文件的存储 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 6 实验结果与分析 | 第49-60页 |
| ·实验数据处理 | 第50-53页 |
| ·实验数据来源说明 | 第50-51页 |
| ·用户浏览的数据说明 | 第51页 |
| ·页面特征向量的空间模型表示 | 第51-52页 |
| ·用户浏览行为数据 | 第52-53页 |
| ·用户兴趣浏览矩阵 | 第53-54页 |
| ·基于网页内容的特征词权重的计算 | 第53页 |
| ·基于行为的网页兴趣度计算 | 第53-54页 |
| ·组合层次聚类分析 | 第54-59页 |
| ·组合层次聚类 | 第54-56页 |
| ·传统基于标准分类树的用户兴趣分类 | 第56页 |
| ·两个模型的比较与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 7 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录:作者在攻读硕士学位期间发表的论文目录 | 第64-65页 |
| 独创性声明 | 第65页 |
| 学位论文版权使用授权书 | 第65页 |
