版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、網(wǎng)上審批系統(tǒng)是在Internet上實現(xiàn)的,無形中就存在一個巨大的分布式信息資源庫,并且隨著網(wǎng)上審批系統(tǒng)使用范圍的擴大,這些信息還以每天百萬個的數(shù)量級增長。對于這些信息,可以在系統(tǒng)中設計一個搜索引擎,這樣可以滿足人們一定的搜索需求。但是搜索引擎存在信息迷航的問題。并且不關注用戶差異,只要關鍵詞相同就返回相同的查詢內(nèi)容。但實際上,用戶在使用搜索引擎進行信息查詢時,并不十分關注返回的結果有多少,而是看結果是否和自己的需求吻合。存在這些弊端實質(zhì)
2、性原因在于信息獲取手段缺乏知識處理能力和理解能力。把信息查詢從目前基于關鍵詞層面提高到基于知識層面,是解決問題的根本和關鍵。本文嘗試將Agent技術引入網(wǎng)上審批系統(tǒng),利用Agent的學習性、自治性、社會性來實現(xiàn)用戶查詢的個性化。 以下是本文的主要研究內(nèi)容: 1)研究了網(wǎng)上審批系統(tǒng)的特征,將Agent技術引入網(wǎng)上審批系統(tǒng),以期實現(xiàn)個性化,同時考慮了當前個性化查詢響應時間遲緩的問題,提出了一種減小搜索空間的方法。 2
3、)建立基于Agent技術的個性化信息查詢多系統(tǒng)的框架,給出核心 Agent分類,描述了基本的工作流程。研究了用戶模型的表示、建立、更新,文檔模型的表示和建立;用戶Agent和用戶群體Agent的行為模式;匹配Agent的工作機制;文檔分析Agent和信息過濾Agent的工作機制;文檔數(shù)據(jù)庫和用戶模型數(shù)據(jù)庫的構建;研究了Agent之間通信機制等 3)使用 Gaia 方法論對網(wǎng)上審批系統(tǒng)中基于Agent個性化信息查詢系統(tǒng)進行了詳細的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Agent的個性化教學系統(tǒng)研究.pdf
- 基于多Agent的個性化推薦系統(tǒng)研究.pdf
- 個性化智能信息查詢系統(tǒng)中Agent學習機理研究.pdf
- 基于Agent的個性化推薦系統(tǒng)研究與設計.pdf
- 基于Agent技術的網(wǎng)上信息索引與查詢系統(tǒng)研究.pdf
- 基于多Agent的個性化信息檢索系統(tǒng)研究.pdf
- 基于Agent的Web個性化信息檢索系統(tǒng)研究.pdf
- 基于多Agent的個性化智能教學系統(tǒng)研究.pdf
- 基于Agent的網(wǎng)絡個性化教學系統(tǒng)研究與實現(xiàn).pdf
- 基于移動agent的分布式個性化推薦系統(tǒng)研究.pdf
- 個性化agent技術研究與系統(tǒng)實現(xiàn).pdf
- 基于Agent的個性化學習系統(tǒng)研究與開發(fā).pdf
- 基于查詢的論文參考文獻個性化推薦系統(tǒng)研究.pdf
- 基于Web挖掘的多Agent個性化信息服務系統(tǒng)研究與實現(xiàn).pdf
- 基于J2EE的多Agent個性化教學系統(tǒng)研究.pdf
- 基于Web的個性化定制系統(tǒng)研究.pdf
- 基于Agent的個性化智能信息檢索系統(tǒng).pdf
- 基于協(xié)同過濾技術的個性化推薦系統(tǒng)研究.pdf
- 基于Java的個性化推薦系統(tǒng)研究.pdf
- 基于Agent的個性化Web信息檢索系統(tǒng)的研究.pdf
評論
0/150
提交評論