基于Web日志挖掘的个性化服务研究与应用
| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题背景 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·主要研究内容和阶段成果 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 关于 Web 日志数据的预处理 | 第14-23页 |
| ·Web 日志的数据源 | 第14-17页 |
| ·基于启发式规则的预处理算法 | 第17-22页 |
| ·数据清洗 | 第17-19页 |
| ·页面访问识别 | 第19-20页 |
| ·用户识别 | 第20页 |
| ·会话识别 | 第20-21页 |
| ·路径补充 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 用户兴趣模型的表示与发现 | 第23-34页 |
| ·用户兴趣模型的表示 | 第23-25页 |
| ·用户兴趣模型的发现 | 第25-33页 |
| ·用户兴趣模型发现技术概述 | 第25-28页 |
| ·基本的K-Means 算法 | 第28-30页 |
| ·基于密度的自适应K-Means 算法 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 个性化推荐技术与算法 | 第34-47页 |
| ·推荐方法综述 | 第34-38页 |
| ·基于信息论的推荐算法 | 第38-43页 |
| ·基于人气的推荐算法 | 第39页 |
| ·基于熵的推荐算法 | 第39-40页 |
| ·基于熵与人气值对数的调和平均数的推荐算法 | 第40-42页 |
| ·基于加入0 分值评价熵的推荐算法 | 第42-43页 |
| ·基于信息论与用户聚类的推荐算法 | 第43-46页 |
| ·算法原理 | 第43-44页 |
| ·算法设计 | 第44-45页 |
| ·算法描述 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 个性化推荐原型系统 | 第47-56页 |
| ·个性化推荐系统框架 | 第47-48页 |
| ·推荐系统的运行 | 第48-49页 |
| ·实验数据集 | 第49-50页 |
| ·Web 服务器日志 | 第49页 |
| ·MovieLens 数据集 | 第49-50页 |
| ·实验结果及分析 | 第50-55页 |
| ·Web 日志挖掘数据预处理算法 | 第50-51页 |
| ·基于密度的自适应K-Means 算法 | 第51-53页 |
| ·基于信息论与用户聚类的推荐算法 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
