| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·论文内容和组织结构 | 第13-15页 |
| 第2章 Web使用挖掘和个性化推荐 | 第15-29页 |
| ·Web数据挖掘 | 第15-16页 |
| ·Web数据挖掘的概念 | 第15页 |
| ·Web数据挖掘的分类 | 第15-16页 |
| ·Web使用挖掘 | 第16-23页 |
| ·Web使用挖掘概述 | 第16-17页 |
| ·数据来源和预处理 | 第17-22页 |
| ·模式发现和分析 | 第22-23页 |
| ·Web使用挖掘的聚类技术 | 第23-26页 |
| ·聚类算法 | 第24-25页 |
| ·用户聚类 | 第25页 |
| ·页面聚类 | 第25-26页 |
| ·个性化推荐 | 第26-28页 |
| ·个性化推荐的目标 | 第26-27页 |
| ·个性化系统的一般结构 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 Web使用挖掘的页面聚类和个性化推荐系统设计 | 第29-48页 |
| ·系统框架设计 | 第29-30页 |
| ·线下系统 | 第30页 |
| ·线上系统 | 第30页 |
| ·日志预处理方法 | 第30-35页 |
| ·数据清洗流程 | 第31-32页 |
| ·用户识别 | 第32-34页 |
| ·会话识别 | 第34-35页 |
| ·一种新的基于图分割的页面聚类算法 | 第35-43页 |
| ·现有的页面聚类方法和问题 | 第35-36页 |
| ·图搜索算法 | 第36-38页 |
| ·图分割的页面聚类算法 | 第38-43页 |
| ·基于LCS算法的个性化推荐方法 | 第43-47页 |
| ·最长公共子序列(LCS)和相似度计算 | 第43-44页 |
| ·个性化推荐方法 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 系统验证和结果分析 | 第48-62页 |
| ·实验基础和条件 | 第48页 |
| ·系统实现与验证 | 第48-55页 |
| ·数据预处理 | 第48-52页 |
| ·页面聚类过程和结果 | 第52-54页 |
| ·个性化推荐结果 | 第54-55页 |
| ·实验方案和结果分析 | 第55-62页 |
| ·评价参数及实验方案 | 第55-58页 |
| ·实验结论及分析 | 第58-62页 |
| 第5章 总结和展望 | 第62-64页 |
| ·论文工作总结 | 第62页 |
| ·下一步工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |