面向WEB的個性化語信息檢索技術

第1篇 信息檢索的研究背景和相關基礎
　第1章 信息檢索的研究目的和意義
　 1.1 解決信息超載與信息饑餓的矛盾
　 1.2 信息檢索需要不確定性推理
　 1.3 適應個性化信息檢索的需求
　 1.4 為檢索評價提供新方法
　 1.5 基于語義的信息檢索
　第2章 信息檢索的研究現(xiàn)狀
　 2.1 信息檢索的發(fā)展歷程
　 2.2 國外研究情況
　 2.3 國內研究情況
　 2.4 語義網(wǎng)信息檢索現(xiàn)狀
　第3章 信息檢索模型概述
　 3.1 特征項與特征項的權重
　 3.2 布爾模型
　　3.3 向量模型
　 3.4 概率論模型
　 3.5 元搜索引擎
　 3.6 基于本體的檢索模型
　第4章 常見的檢索性能評價方法
　 4.1 引言
　 4.2 什么是檢索評價
　 4.3 召回率和精確率
　 4.4 變化的召回率和精確率
　 4.5 召回率和精確率的復合評價
　第5章 語義Web和描述邏輯
　 5.1 語義Web
　 5.2 描述邏輯
　 5.3 語義Web與描述邏輯
　 5.4 小結
　第6章 云模型理論
　 6.1 云模型產(chǎn)生背景
　 6.2 云模型的基本概念
　 6.3 云數(shù)字特征的雙重性
　 6.4 正向云發(fā)生器的實現(xiàn)算法
　 6.5 逆向云發(fā)生器的實現(xiàn)算法
　 6.6 云變換
　 6.7 定性概念的可還原性——云滴的生成
　 6.8 云模型的應用
第2篇 面向Web的個性化信息檢索
　第7章 個性化信息檢索框架及理論基礎
　 7.1 引言
　 7.2 相關概念
　 7.3 個性化信息檢索系統(tǒng)框架及檢索過程
　 7.4 信息檢索的關鍵技術
　 7.5 小結
　第8章 基于云的泛概念檢索模型
　 8.1 引言
　 8.2 基于云的泛概念檢索模型
　 8.3 小結
　第9章 檢索評價和用戶相關性判定
　 9.1 信息檢索性能的云評價方法
　 9.2 信息檢索性能的加權綜合評價方法
　 9.3 信息檢索性能的加權綜合云評價方法
　 9.4 個性化信息檢索系統(tǒng)的用戶相關性判定
　 9.5 小結
　第10章 用戶建模技術及興趣挖掘
　 10.1 引言
　 10.2 用戶興趣模型
　 10.3 基于最大生成樹的文檔聚類在信息檢索中的應用
　 10.4 小結
　第11章 查詢相似度計算和查詢后處理
　 11.1 引言
　 11.2 詞語相似度的計算和相關性判斷
　 11.3 基于熵原理的信息檢索后處理算法
　 11.4 其他的后處理
　 11.5 小結
　第12章 基于J2EE的個性化信息檢索系統(tǒng)架構
　 12.1 引言
　 12.2 個性化信息檢索系統(tǒng)的用例分析
　 12.3 個性化信息檢索系統(tǒng)框架
　 12.4 基于J2EE的個性化信息檢索系統(tǒng)結構
　 12.5 設計與實現(xiàn)
第3篇 面向語義網(wǎng)的信息檢索
　第13章 基于本體的語義信息檢索模型
　 13.1 引言
　 13.2 信息檢索模型的一般定義
　 13.3 SIRM-O：基于本體的語義信息檢索模型
　 13.4 小結
　第14章 基于描述邏輯的知識庫檢索
　 14.1 引言
　 14.2 相關研究
　 14.3 基于Rolling-up技術的檢索優(yōu)化方法
　 14.4 基于斷言圖的知識庫檢索
　 14.5 小結
　第15章 描述邏輯ALC的不確定性擴展
　 15.1 引言
　 15.2 相關研究
　 15.3 研究基礎——描述邏輯ALC
　 15.4 Cloud—ALC：描述邏輯ALC的云擴展
　 15.5 Cloud—ALC的性質
　 15.6 Cloud—ALC的推理
　 15.7 小結
　第16章 基于語義網(wǎng)的分布式信息檢索系統(tǒng)
　 16.1 引言
　 16.2 D-IRSW檢索系統(tǒng)模型
　 16.3 小結
附錄一 云的正向生成器算法
附錄二 云的逆向生成器算法
附錄三 推薦閱讀材料
參考文獻
后記