服务个性化技术与系统
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·研究背景 | 第7页 |
| ·国内外的研究现状 | 第7-11页 |
| ·服务描述及语义基础 | 第7-8页 |
| ·服务发现 | 第8-10页 |
| ·推荐系统 | 第10-11页 |
| ·研究的目标及其主要的内容 | 第11-12页 |
| ·本文的组织结构及其章节编排 | 第12-13页 |
| 第二章 相关技术 | 第13-19页 |
| ·服务建模技术 | 第13-15页 |
| ·用户建模技术 | 第15-17页 |
| ·个性化推荐技术 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 服务建模 | 第19-30页 |
| ·语义模板的定义 | 第19-20页 |
| ·语义模板的特性 | 第20-21页 |
| ·语义Web 服务建模 | 第21-28页 |
| ·基本语义模板建模 | 第21-23页 |
| ·高级语义模板建模 | 第23-28页 |
| ·Web 服务语义标注 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 用户建模 | 第30-38页 |
| ·基于贝叶斯网络的用户行为模型 | 第30-34页 |
| ·贝叶斯网络的知识表示 | 第30-31页 |
| ·贝叶斯网络在推荐系统中的应用 | 第31-33页 |
| ·贝叶斯网络结构的获取与更新 | 第33页 |
| ·条件概率分布的获取与更新 | 第33-34页 |
| ·基于向量空间模型的用户兴趣模型 | 第34-37页 |
| ·用户兴趣建模的含义和标准 | 第34-35页 |
| ·用户兴趣模型的常用表示方法 | 第35-36页 |
| ·用户兴趣模型的更新与优化 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于关联规则的服务推荐 | 第38-48页 |
| ·关联规则的基本概念 | 第38-40页 |
| ·关联规则的定义 | 第38-39页 |
| ·关联规则的分类 | 第39-40页 |
| ·关联规则挖掘方法 | 第40页 |
| ·关联规则挖掘的典型算法 | 第40-42页 |
| ·经典的Apriori 算法 | 第40-42页 |
| ·Apriori 算法的缺点 | 第42页 |
| ·基于关联规则的服务推荐 | 第42-47页 |
| ·用户的调用路径 | 第42页 |
| ·最大向前引用事务 | 第42-44页 |
| ·用户频繁调用路径的发现 | 第44-46页 |
| ·算法示例 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 系统实现与评估 | 第48-54页 |
| ·系统框架与功能 | 第48-49页 |
| ·应用实例与分析 | 第49-53页 |
| ·应用举例 | 第49-50页 |
| ·评测指标 | 第50-51页 |
| ·评测结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 总结与展望 | 第54-56页 |
| ·本文工作回顾 | 第54页 |
| ·存在的问题及进一步的工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间已发表或录用的论文 | 第61-63页 |
