基于浏览行为的用户兴趣量度
中文摘要 | 第1-6页 |
英文摘要 | 第6-16页 |
1 绪论 | 第16-24页 |
·个性化服务概述 | 第16-20页 |
·起源 | 第16-17页 |
·服务形式 | 第17页 |
·相关技术 | 第17页 |
·研究和发展动态 | 第17-19页 |
·Internet个性化服务的关键技术 | 第19-20页 |
·论文选题与研究意义 | 第20-21页 |
·论文组织 | 第21-22页 |
·本章小结 | 第22-24页 |
2 行为分析基础 | 第24-40页 |
·用户模型在个性化服务中的作用 | 第24-29页 |
·体系结构 | 第24-25页 |
·用户信息获取的实现方法 | 第25-26页 |
·用户建模技术 | 第26-29页 |
·服务器端分析与客户端分析的比较 | 第29-32页 |
·Web挖掘中较受关注的问题 | 第29-30页 |
·服务器端数据挖掘的不足 | 第30-32页 |
·客户端数据挖掘 | 第32页 |
·用户行为分析的研究方法 | 第32-35页 |
·用户信息行为及其特征 | 第32-33页 |
·用户行为的获取方法 | 第33-34页 |
·行为分析的研究方法 | 第34-35页 |
·兴趣表征因素分类 | 第35页 |
·结合用户浏览行为与内容分析的个性化服务系统 | 第35-37页 |
·客户端行为分析器功能设计 | 第36-37页 |
·Web服务器端功能设计 | 第37页 |
·基于模糊理论的用户行为分析方法 | 第37-38页 |
·本章小结 | 第38-40页 |
3 模糊数学原理 | 第40-48页 |
·模糊理论的产生 | 第40-41页 |
·模糊数学的理论基础 | 第41-42页 |
·模糊集合的表示与运算 | 第42-44页 |
·模糊集合的表示 | 第42页 |
·特殊模糊集合 | 第42-43页 |
·模糊集合的运算及性质 | 第43-44页 |
·分解原理和扩展原理 | 第44-47页 |
·α截集 | 第44-45页 |
·分解定理 | 第45-46页 |
·扩展原理 | 第46-47页 |
·本章小结 | 第47-48页 |
4 基于模糊理论的用户兴趣量度方法 | 第48-60页 |
·用户信息需求心理行为分析 | 第48-49页 |
·用户信息行为及其特征 | 第48页 |
·内驱力理论 | 第48-49页 |
·网页兴趣度的计算 | 第49-51页 |
·现有成果 | 第49-50页 |
·FBIMA方法思想 | 第50-51页 |
·模糊聚类 | 第51-54页 |
·模糊分类关系 | 第51页 |
·经典模糊聚类方法 | 第51-52页 |
·模糊聚类方法 | 第52-54页 |
·FBIMA的算法实现 | 第54-58页 |
·FBIMA的行为模型 | 第54页 |
·数据标准化 | 第54-56页 |
·相似性量度 | 第56页 |
·聚类分析 | 第56-57页 |
·模糊规则的建立 | 第57页 |
·网页的兴趣度计算 | 第57-58页 |
·本章小结 | 第58-60页 |
5 基于模糊规则的用户模型与推荐算法 | 第60-68页 |
·基于向量空间模型的用户兴趣模型与推荐方法 | 第61-63页 |
·文本向量空间模型 | 第61-62页 |
·用户兴趣模型的向量空间表示 | 第62页 |
·基于向量空间模型的推荐算法 | 第62页 |
·用户兴趣模型的更新机制 | 第62-63页 |
·用户兴趣模型表示 | 第63-64页 |
·基于模糊规则的推荐机制 | 第64-67页 |
·模糊系统工作原理 | 第65页 |
·用于网页推荐的模糊推理机构造方法 | 第65-67页 |
·本章小结 | 第67-68页 |
6 实验及分析 | 第68-78页 |
·试验环境 | 第68-69页 |
·数据来源 | 第68页 |
·软件工具 | 第68-69页 |
·实验过程 | 第69页 |
·行为捕获 | 第69-70页 |
·行为捕获方法 | 第69页 |
·浏览器构造 | 第69-70页 |
·行为分析 | 第70-75页 |
·行为数据分析 | 第70页 |
·隶属函数的确定 | 第70-71页 |
·聚类分析 | 第71-75页 |
·网页兴趣度计算 | 第75页 |
·结果分析 | 第75-76页 |
·本章小结 | 第76-78页 |
7 结论与展望 | 第78-80页 |
致谢 | 第80-82页 |
参考文献 | 第82-86页 |
附录A:核心实现代码 | 第86-98页 |
附录B:作者在攻读硕士学位期间发表的论文目录 | 第98-99页 |
独创性声明 | 第99页 |
学位论文版权使用授权书 | 第99页 |