| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 Web 挖掘在电子商务个性化领域应用背景 | 第9-10页 |
| 1.2 Web 挖掘在电子商务个性化领域应用意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 电子商务个性化推荐系统研究现状 | 第11-14页 |
| 1.3.2 基于 Web 挖掘的电子商务个性化研究现状 | 第14-15页 |
| 1.4 主要研究内容 | 第15-17页 |
| 第二章 数据挖掘技术概述 | 第17-27页 |
| 2.1 数据挖掘 | 第17-20页 |
| 2.1.1 数据挖掘概述 | 第17-18页 |
| 2.1.2 数据挖掘应用 | 第18-19页 |
| 2.1.3 数据挖掘过程 | 第19-20页 |
| 2.2 Web 挖掘概述 | 第20-23页 |
| 2.2.1 Web 挖掘的介绍 | 第20-21页 |
| 2.2.2 Web 挖掘的分类 | 第21-22页 |
| 2.2.3 Web 挖掘面临的挑战 | 第22-23页 |
| 2.3 电子商务与 Web 挖掘技术 | 第23-27页 |
| 2.3.1 Web 挖掘的数据源 | 第23-25页 |
| 2.3.2 电子商务中 Web 挖掘的优越性 | 第25-27页 |
| 第三章 基于 Web 挖掘技术电子商务个性化推荐系统 | 第27-35页 |
| 3.1 个性化推荐技术 | 第27-29页 |
| 3.1.1 传统个性化推荐技术 | 第27-28页 |
| 3.1.2 基于 Web 挖掘电子商务个性化系统 | 第28-29页 |
| 3.2 基于 Web 挖掘电子商务个性化系统 | 第29-31页 |
| 3.2.1 离线部分 | 第30-31页 |
| 3.2.2 在线部分 | 第31页 |
| 3.3 Web 挖掘流程 | 第31-35页 |
| 3.3.1 数据采集 | 第31-32页 |
| 3.3.2 数据清洗 | 第32-34页 |
| 3.3.3 模式发现 | 第34页 |
| 3.3.4 模式分析与验证 | 第34-35页 |
| 第四章 Web 用户聚类和 Web 网页聚类 | 第35-49页 |
| 4.1 聚类分析 | 第35-37页 |
| 4.1.1 聚类分析在电子商务中的应用 | 第35-36页 |
| 4.1.2 聚类分析常用方法 | 第36-37页 |
| 4.2 模糊聚类 | 第37-39页 |
| 4.2.1 最大树法 | 第37-38页 |
| 4.2.2 传递闭包聚类方法 | 第38-39页 |
| 4.2.3 动态直接聚类（DDFCA） | 第39页 |
| 4.3 动态直接聚类（DDFCA）算法 | 第39-42页 |
| 4.3.1 模糊相似矩阵 | 第39-40页 |
| 4.3.2 动态直接聚类算法过程 | 第40-42页 |
| 4.4 实例分析 | 第42-49页 |
| 4.4.1 基于 Web 用户聚类 | 第42-44页 |
| 4.4.2 基于 Web 页面聚类 | 第44-46页 |
| 4.4.3 模糊聚类方法评价 | 第46-49页 |
| 第五章 基于聚类的 Markov 链预测模型 | 第49-57页 |
| 5.1 Web 预测模型 | 第49页 |
| 5.2 Markov 预测模型 | 第49-52页 |
| 5.2.1 Markov 模型简介 | 第49-50页 |
| 5.2.2 Markov 模型预测过程 | 第50-52页 |
| 5.3 基于聚类方法的 Markov 预测分析 | 第52-54页 |
| 5.3.1 Markov 链预测模型 | 第53-54页 |
| 5.3.2 基于聚类方法的 Markov 链预测模型 | 第54页 |
| 5.4 实验分析 | 第54-57页 |
| 第六章 论文总结 | 第57-61页 |
| 6.1 总结 | 第57页 |
| 6.2 研究不足 | 第57-58页 |
| 6.3 对电子商务个性化推荐策略分析 | 第58-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
