| 摘要 | 第1-9页 |
| ABSTRACT | 第9-13页 |
| 第1章 绪论 | 第13-17页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·论文的安排 | 第16-17页 |
| 第2章 点击流数据仓库的构建 | 第17-34页 |
| ·数据仓库 | 第17-22页 |
| ·数据仓库的定义 | 第17-18页 |
| ·数据仓库的体系结构 | 第18-19页 |
| ·数据仓库的数据组织 | 第19-20页 |
| ·数据仓库的数据模型 | 第20-21页 |
| ·数据仓库的 ETL | 第21-22页 |
| ·数据仓库工具 | 第22页 |
| ·数据挖掘 | 第22-26页 |
| ·Web 数据挖掘 | 第23-24页 |
| ·Web 数据预处理 | 第24-26页 |
| ·点击流与点击流数据仓库 | 第26-28页 |
| ·点击流的定义 | 第26页 |
| ·将数据仓库引入Web | 第26页 |
| ·点击流数据仓库的定义 | 第26-28页 |
| ·点击流数据仓库的ETL 设计 | 第28-32页 |
| ·传统数据抽取方法 | 第29-30页 |
| ·点击流数据抽取 | 第30页 |
| ·确认数据源 | 第30-31页 |
| ·基本概念 | 第31页 |
| ·算法描述 | 第31-32页 |
| ·数据的转换和装载 | 第32-33页 |
| ·数据转换 | 第32-33页 |
| ·数据装载 | 第33页 |
| ·小结 | 第33-34页 |
| 第3章 基于商空间粒度的点击流数据仓库的设计 | 第34-46页 |
| ·粒度计算 | 第34-35页 |
| ·粒度计算的主要模型 | 第35-37页 |
| ·基于模糊集合论的词计算模型 | 第35页 |
| ·基于粗糙集理论的粒度计算模型 | 第35-36页 |
| ·基于商空间的粒度计算模型 | 第36-37页 |
| ·基于粒度计算的点击流数据仓库的性能分析 | 第37-44页 |
| ·网站信息分析 | 第38-39页 |
| ·Web 日志预处理的几个阶段 | 第39-41页 |
| ·粒度计算挖掘用户偏爱页面及最佳路径 | 第41-42页 |
| ·点击流数据仓库的性能分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于商空间粒度计算的 WEB 日志关联规则挖掘 | 第46-57页 |
| ·关联规则挖掘技术简介和研究现状 | 第46-47页 |
| ·关联规则定义 | 第46-47页 |
| ·关联规则的种类 | 第47页 |
| ·关联规则的挖掘算法 | 第47-49页 |
| ·经典的频集算法 | 第47-48页 |
| ·FP-树频集算法 | 第48-49页 |
| ·多层关联规则挖掘 | 第49页 |
| ·基于粒度计算的关联规则挖掘算法 | 第49-51页 |
| ·粒度计算 | 第49-50页 |
| ·Web 日志 | 第50-51页 |
| ·相关的工作 | 第51-55页 |
| ·基于商空间粒度计算的关联规则挖掘算法 | 第51-52页 |
| ·运用算法 Apriori 对以上数据进行关联规则的挖掘 | 第52-53页 |
| ·利用基于粒计算的关联规则进行挖掘 | 第53-55页 |
| ·试验分析论证 | 第55-56页 |
| ·结束语 | 第56-57页 |
| 第5章 基于用户兴趣度的频繁路径挖掘算法 | 第57-63页 |
| ·相关定义 | 第57-58页 |
| ·频繁路径挖掘算法过程 | 第58页 |
| ·频繁路径挖掘算法描述 | 第58-60页 |
| ·购物网站点击流数据分析结果的 Web 展示 | 第60-62页 |
| ·结论 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第71页 |