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：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：针对目前电子商务的安全技术中的高代价和弱互操作性已经成为了解决信息安全的瓶颈问题,本文提出了基于XML的电子商务安全架构。它的设计思想是将信息运用XML描述,然后针对XML中敏感信息进行加密签名等安全处理,架构中的XML组件从整个应用系统中分离出来成为通用插件,使两者成为一种松耦合的关系,提高了软件的可重用性。

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：针对当前企业应用集成存在的诸多问题,提出了一种基于网络服务的面向服务架构企业应用集成模型。该模型通过在企业已存在的系统之上建立基于原子服务的合成服务封装层和业务流程层,按照迭代方法来定义企业间服务,从而为企业间信息共享与应用集成提供了一种有效方法与全新机制。在某企业应用集成实践中表明,该模型具有较好的可重用性与开放性。

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：企业网络信息系统安全问题是企业信息化工作的一个重要课题。首先分析了传统的入侵检测系统的工作原理,针对证券企业交易网络的安全问题,提出了一种切实可行的企业信息安全系统设计方案。采用P2DR动态安全模型和分布式入侵检测技术相结合,建立了基于IDS的网络信息安全系统。经过实际应用和运行表明,该方案有效地解决了证券企业应用中存在的诸多网络安全问题,极大地提高了企业应用的安全等级,为企业信息系统安全建设提供了借鉴。

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。