| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·问题的提出 | 第11-12页 |
| ·研究的意义 | 第12页 |
| ·本文的工作和创新 | 第12-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 网络信息过滤技术研究现状 | 第15-24页 |
| ·网络信息过滤技术 | 第15-16页 |
| ·网络信息的特点 | 第15-16页 |
| ·网络信息过滤技术的特点 | 第16页 |
| ·网络信息过滤产品 | 第16-18页 |
| ·信息过滤技术分类 | 第18-19页 |
| ·基于内容的过滤 | 第18页 |
| ·合作过滤 | 第18页 |
| ·经济过滤 | 第18-19页 |
| ·信息过滤模型 | 第19-21页 |
| ·布尔模型 | 第19页 |
| ·向量空间模型 | 第19-20页 |
| ·潜在语义索引模型 | 第20-21页 |
| ·信息过滤技术中的用户兴趣模型 | 第21-22页 |
| ·用户兴趣的获取 | 第21页 |
| ·用户兴趣的描述 | 第21-22页 |
| ·网络信息过滤技术发展趋势 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 Agent与多Agent系统的基本理论 | 第24-32页 |
| ·Agent和多Agent系统 | 第24-26页 |
| ·Agent的概念 | 第24页 |
| ·多Agent系统 | 第24-26页 |
| ·AOP设计语言JACK | 第26-31页 |
| ·关于JACK | 第26-27页 |
| ·JACK对JAVA语言的扩充 | 第27-29页 |
| ·JACK的推理机制 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于强化学习的用户兴趣反馈学习算法 | 第32-41页 |
| ·用户兴趣模型的建立 | 第32-39页 |
| ·用户兴趣的表示 | 第32-34页 |
| ·用户个人兴趣模型和共同兴趣模型 | 第34-35页 |
| ·基于强化学习的用户兴趣反馈 | 第35-39页 |
| ·兴趣相似度模型的改进 | 第39-40页 |
| ·兴趣度页面推荐模型 | 第39页 |
| ·兴趣相似度模型 | 第39-40页 |
| ·兴趣相似度模型改进 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第5章 基于用户兴趣度的信息过滤算法IWFP-tree | 第41-50页 |
| ·构造FP-tree | 第41-42页 |
| ·FP-Growth方法 | 第42-44页 |
| ·IWFP-tree算法 | 第44-49页 |
| ·基本IWFP-tree过程 | 第45-47页 |
| ·IWFP-Growth | 第47-48页 |
| ·进一步优化 | 第48页 |
| ·IWFP-tree的合并 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 ICF原型系统分析与设计 | 第50-69页 |
| ·ICF模型 | 第50-51页 |
| ·用户模型 | 第51-53页 |
| ·界面Agent | 第53-56页 |
| ·界面Agent功能描述 | 第53-54页 |
| ·界面Agent工作原理 | 第54-56页 |
| ·学习Agent | 第56-59页 |
| ·学习Agent功能描述 | 第56页 |
| ·学习Agent工作原理 | 第56-57页 |
| ·学习Agent的设计 | 第57-59页 |
| ·合作过滤Agent | 第59-64页 |
| ·合作过滤Agent功能描述 | 第59页 |
| ·合作过滤Agent工作原理 | 第59-60页 |
| ·合作过滤Agent中的协作机制 | 第60-61页 |
| ·合作过滤Agent的设计 | 第61-64页 |
| ·知识库 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第7章 ICF原型系统应用 | 第69-76页 |
| ·ICF系统部分功能介绍 | 第69-71页 |
| ·ICF比较测试 | 第71-75页 |
| ·实验数据库 | 第71-72页 |
| ·实验评价指标 | 第72页 |
| ·实验结果 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第8章 结束语 | 第76-78页 |
| ·全文总结 | 第76-77页 |
| ·工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 论文及科研情况 | 第83页 |