摘要：受蚁群觅食行为仿生研究和蚁群系统模型理论所启发,提出了一种基于蚁群计算模型的分布、协作多主体(multi-agent)反应架构的自适应、可伸缩的Web搜索系统模型(MASAIR),其由大量智能主体组成,利用智能主体架构的优异特性,旨在从巨型超文档集合(Web)中自治地搜索特定主题的信息,从而为用户提供迅捷的信息检索服务。详细描述了MASAIR的计算模型及其算法,通过对标准Web文档集的检索仿真实验结果显示:该架构具有对环境改变的鲁棒性和对用户信息需求变更的自适应性。

摘要：解决用户的模糊查询问题一直以来是信息检索领域研究的热点。为了解决不同用户间的查询差异,一种称为个性化搜索的技术得以提出,其通过获取用户的喜好来识别查询意图,但研究发现很少有用户愿意直接或间接提供个人信息。本文提出一种基于用户点击历史信息自动获取用户兴趣进而对搜索结果进行个性化呈现的Web搜索系统架构。基于主题相关PageRank技术,设计了用户兴趣学习算法和个性化搜索页面排序算法。实验表明该算法能有效学习用户的兴趣信息,提高了个性化Web搜索质量。

摘要：引入移动Agent技术,提出了一种面向E-learning的集成群Agent与Web服务的分布式智能推荐系统模型MASWSIRS,构造了MASWSIRS的体系结构,并给出了系统的工作流程和MASWSIRS的实现算法。

摘要：引入移动Agent技术,提出一种面向E-Learning的集成群Agent与Web服务的分布式智能推荐系统模型,其能有效地帮助学员找到所需的信息。构造MASWSIRS的体系结构,说明系统的工作流程;详细阐述了MASWSIRS的各主要功能模块的实现算法,包括系统整体实现算法、系统聚簇算法及推荐算法。

摘要：要面对因特网的海量信息，为了更好地实现基于用户兴趣的个性化信息服务，提出一种隐式地获取并更新用户兴趣模型的方法：利用用户模型捕捉用户的点击历史信息如何同其兴趣相关；基于用户模型的学习模型通过学习用户的点击历史数据来标识用户的个人兴趣；通过学习到的用户喜好信息来对搜索结果予以再排序，从而实现个性化搜索信息呈现。设计了用户兴趣学习算法与个性化排序算法。实时数据实验显示，即使在用户兴趣主题数增加的情况下，本方法仍能较好地描述用户的兴趣类型及兴趣度，提高个性化信息服务的质量与效率。

摘要：LPI对于局部流形结构是优化的,但在时空上运行效率较低,使其很难应用于大型数据集。基于LPI算法,提出了一种优化的LPI算法FLPI,它将LPI问题分解为一个图嵌入问题和一个正则最小二乘问题,避免了稠密矩阵的特征值分解,显著减少了计算复杂度。此外,在监督环境下,利用一个特别设计的图,使FLPI只需要解决正则最小二乘问题,进一步减少了时空开销。实时数据集实验结果显示,FLPI获得了相似或优于LPI的结果,且运行速度明显提升。

摘要：Web挖掘已从早期的理论研究逐步转向实用阶段,可以利用对Web日志的挖掘发现用户的浏览模式、分析站点的使用情况。有效的Web日志挖掘工具是Web日志挖掘应用成功的关键。针对Web日志挖掘工具存在的问题与不足,提出了一种新颖的基于移动Agent技术的分布式Web日志挖掘系统(MAWLMS)的体系结构。重点阐述了移动代理层的设计,详细说明了移动Agent挖掘算法的设计与实现,包括最大向前路径识别算法和频繁遍历路径发现算法。最后对MAWLMS系统进行了验证,实验结果显示基于MAWLMS系统的分布式Web日志挖掘是可行且有效的。

摘要：研究如何在高等教育中引入计算机网络辅助教学办公平台 .以浙江工商职业技术学院正在研发中的基于网络的辅助教学办公平台为例 ,阐述在高校中引入计算机网络辅助教学办公平台的设计思想及实现方式 .

摘要：在开放、动态的学习资源网络环境中,个性化服务支持对在线学习者尤其重要。讲述了在基于Web服务技术的分布式学习环境中如何构造一个分布式的个性化数字学习环境。在建立服务代理的功能模型的基础上,构造了一种基于多移动Agent的个性化数字学习(E-Learning)框架模型,阐述了其工作流程并进行了结构分析;引入Petri网模型,设计了基于移动Agent的联邦组建与动态服务合成算法;说明了系统实现的技术手段与方法。从对系统模型雏形的应用与性能监测来看,系统模型实现切实可行且运行性能良好。

摘要：校企合作是高等职业教育发展的必由之路,教育与行业合作、学校与企业合作、校企合作教学是实施高等职业教育的最有效途径。本文提出了一种新颖的"2+0.5+0.5"多样化校企合作人才培养模式,以计算机类专业为例,重点说明了该模式三大核心构建的内涵与设计。