| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-15页 |
| ·研究的背景及意义 | 第8-9页 |
| ·数据挖掘 | 第9-10页 |
| ·数据挖掘的定义 | 第9页 |
| ·国内外数据挖掘的研究现状 | 第9-10页 |
| ·WEB数据挖掘 | 第10-14页 |
| ·Web数据挖掘提出的背景 | 第10-11页 |
| ·Web数据挖掘的国内外研究现状 | 第11-12页 |
| ·Web数据挖掘研究分类 | 第12-14页 |
| ·论文的组织 | 第14-15页 |
| 第2章 基于Web的日志挖掘技术 | 第15-18页 |
| ·WEB日志挖掘的提出 | 第15-16页 |
| ·WEB日志挖掘的应用 | 第16页 |
| ·WEB日志挖掘的研究现状 | 第16-17页 |
| ·WEB日志挖掘的过程 | 第17-18页 |
| 第3章 Web日志挖掘系统的预处理实现 | 第18-27页 |
| ·WEB日志介绍 | 第18-19页 |
| ·数据抽象 | 第19-20页 |
| ·数据预处理的过程 | 第20-24页 |
| ·数据清洗(Data Cleaning) | 第21页 |
| ·用户识别(User Identification) | 第21-23页 |
| ·会话识别(Identify User Session) | 第23页 |
| ·路径补充(Identify Episode) | 第23-24页 |
| ·数据预处理模块 | 第24-27页 |
| 第4章 Web用户访问模式挖掘 | 第27-33页 |
| ·分类 | 第27页 |
| ·关联规则 | 第27-29页 |
| ·序列模式 | 第28页 |
| ·一般化序列模式(GSP)算法 | 第28-29页 |
| ·聚类算法 | 第29-31页 |
| ·DBSCAN算法 | 第29页 |
| ·用户群体聚类算法 | 第29-31页 |
| ·Web页面聚类算法 | 第31页 |
| ·统计分析 | 第31-33页 |
| 第5章 个性化服务技术的研究 | 第33-40页 |
| ·个性化研究 | 第33-35页 |
| ·用户概貌的创建 | 第33页 |
| ·用户概貌的表示 | 第33-34页 |
| ·个性化系统的推荐技术 | 第34-35页 |
| ·采集用户浏览数据 | 第35-37页 |
| ·获取用户身份 | 第35页 |
| ·获取用户浏览信息 | 第35-36页 |
| ·基于用户浏览行为的挖掘算法 | 第36-37页 |
| ·基于用户浏览行为挖掘的个性化推荐系统技术 | 第37-40页 |
| ·用程序自动生成推荐页面的超链接 | 第37-39页 |
| ·基于用户浏览行为挖掘的个性化推荐系统模型 | 第39-40页 |
| 第6章 结论与展望 | 第40-42页 |
| ·结论 | 第40页 |
| ·论文研究的展望 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-46页 |
| 附录 | 第46页 |