| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.3 国内外研究现状综述 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 研究内容及技术路线 | 第14-15页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 技术路线 | 第15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第2章 WEB日志挖掘相关技术 | 第17-24页 |
| 2.1 数据挖掘 | 第17-18页 |
| 2.1.1 数据挖掘定义 | 第17页 |
| 2.1.2 数据挖掘的主要过程 | 第17-18页 |
| 2.2 Web挖掘 | 第18-20页 |
| 2.2.1 Web挖掘概述 | 第18-19页 |
| 2.2.2 Web挖掘分类 | 第19-20页 |
| 2.3 Web日志挖掘 | 第20-24页 |
| 2.3.1 Web日志挖掘概述 | 第20-21页 |
| 2.3.2 Web日志挖掘过程 | 第21-24页 |
| 第3章 个性化推荐相关技术 | 第24-36页 |
| 3.1 个性化推荐概述 | 第24页 |
| 3.2 个性化推荐方法 | 第24-34页 |
| 3.2.1 基于规则的推荐 | 第24页 |
| 3.2.2 基于效用的推荐 | 第24-25页 |
| 3.2.3 基于知识的推荐 | 第25页 |
| 3.2.4 基于用户统计的推荐 | 第25页 |
| 3.2.5 基于内容的推荐 | 第25-29页 |
| 3.2.6 协同过滤推荐 | 第29-34页 |
| 3.3 基于Web日志挖掘的个性化推荐 | 第34-36页 |
| 第4章 推荐算法改进研究 | 第36-43页 |
| 4.1 基于物品的协同过滤算法改进研究 | 第36-38页 |
| 4.1.1 实际案例 | 第36-37页 |
| 4.1.2 解决方案 | 第37页 |
| 4.1.3 算法设计 | 第37-38页 |
| 4.2 基于内容的推荐算法研究 | 第38-40页 |
| 4.2.1 特征提取 | 第38-39页 |
| 4.2.2 文本向量表示 | 第39页 |
| 4.2.3 用户兴趣模型 | 第39-40页 |
| 4.2.4 推荐结果 | 第40页 |
| 4.3 基于用户注册信息的推荐算法 | 第40-41页 |
| 4.4 改进的混合推荐算法 | 第41-43页 |
| 第5章 基于Web日志挖掘的个性化推荐系统设计与实现 | 第43-59页 |
| 5.1 推荐系统模块组成 | 第43-44页 |
| 5.2 需求分析 | 第44-46页 |
| 5.2.1 系统总体需求分析 | 第44-45页 |
| 5.2.2 系统功能需求分析 | 第45-46页 |
| 5.3 系统设计 | 第46-49页 |
| 5.3.1 系统整体框架 | 第46-47页 |
| 5.3.2 系统功能模块框架 | 第47-48页 |
| 5.3.3 系统数据库 | 第48-49页 |
| 5.4 系统实现 | 第49-55页 |
| 5.4.1 系统开发及运行环境 | 第49-50页 |
| 5.4.2 预处理模块实现 | 第50-51页 |
| 5.4.3 推荐模块接口实现 | 第51-52页 |
| 5.4.4 个性化推荐功能实现 | 第52-54页 |
| 5.4.5 信息检索功能实现 | 第54-55页 |
| 5.5 实验分析 | 第55-59页 |
| 5.5.1 数据源及实验流程 | 第55页 |
| 5.5.2 算法比较 | 第55-56页 |
| 5.5.3 算法评估指标 | 第56页 |
| 5.5.4 评估指标对比 | 第56-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |