网站信息分类体系优化方法及其应用——以林业政务网站为例

《网站信息分类体系优化方法及其应用——以林业政务网站为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京林业大学博士学位论文网站信息分类体系优化方法及其应用——以林业政务网站为例姓名：吴胜申请学位级别：博士专业：林业经济管理指导教师：张智光20090601摘要本文的研究主题是网站信息分类体系优化方法及其在林业政务网站中的应用。主要研究内容包括：(1)在分析网站信息分类体系优化内涵、目标和原则的基础上，用公式描述网站信息分类体系优化问题模型。将网站信息分类体系优化问题转化成多目标决策问题，并提出分析、评价、设计、实现四阶段网站信息分类体系优化方法。(2)提出网站信息分类体系质量评价指标体系，并用该体系评价了国家林业局网站现有信息分类体系的质量；提出网站信息分类体系处理过程成

2、熟度模型和网站信息分类体系管理水平评价方法。(3)提出网站信息分类体系优化方案设计方法，该方法可以细分为特征优化、粒度优化、命名优化、结构优化等环节。通过系统分析和对我国林业电子政务网站的实证分析提出网站八种信息分类模式，并提出自顶向下特征优化方法。还提出了粗粒度优先粒度优化方法和基于统计的命名优化方法、基于交互式遗传算法的交互式命名优化方法。总结出网一站信息分类体系理想结构特点，并提出自底向上逐层结构优化方法和基于遗传算法整体结构优化方法。(4)应用本文方法优化国家林业局网站现有的信息分类体系，并对比了优化前后的信息分类体系。关键词：网站；信息分类体系：优化；评价Opti

3、mizingMethodofWebsite’SInformationClassificationanditsApplication：CaseStudywithForestryE—governmentsWebsitesAbstract’IhetopicofthedissertationisoptimizingmethodofWebsite’SInformationClassification(wic)anditsapplicationinforestryE—governmentswebsites．啊1econtributionsofthedissertationaleasfo

4、llows：(1)111edissertationanalysesthedefinition,aimsandprinciplesofoptimizingMC，firstly．Basedonthese．themathemmicformulamodelofoptimizingWICisgiven．晰t11changingtheWICproblemintotheMulti—ObjectiveDecisionMaking(MODM)problem，thedissertationbringsupamethodforoptimizingWIC．nlemethodhasfoursteps

5、whichaleanalysis，assessing，designandimplementation．(2)ThedissertationbringsupanindicatorsystemforassessingWebsite’SInformationClassificationQuality(WICQ)，andassessestheMCQofChineseStateForestryAdministrationwebsitewiththeindicatorsystem．Afterthiswork，thedissertationbringsupmaturitymodelofp

6、rocessingprocedureonWICandamethodforassessingmanaginglevelofWIC．(3)ThedissertationbringsupamethodfordesigningtheoptimizingplanonWICwhichhasfoursteps．Thesestepsalefeatureoptimizing，granularityoptimizing，nameoptimizingandstructureoptimizing．膨systematicanalysisandempiricalanalysisofChinesefor

7、estryE—governmentswebsites，thedissertationfindseightclassificationmodelsforwebinformation．Then,thedissertationbringsupatop-downfeatureoptimizingmethod．ThedissertationbringsUPagranularityoptimizingmethodwhichselectsthebiggestgranularityfirstly．砀edissertationbri