| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·研究动态及发展趋势 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的组织 | 第13-14页 |
| 第2章 数据挖掘技术简介 | 第14-20页 |
| ·数据挖掘技术的概念 | 第14页 |
| ·数据挖掘的功能 | 第14-16页 |
| ·Web数据挖掘技术简介 | 第16-20页 |
| ·Web挖掘基本概念 | 第16-17页 |
| ·Web挖掘分类 | 第17-20页 |
| 第3章 Web使用挖掘技术 | 第20-28页 |
| ·Web使用记录挖掘的特点 | 第20页 |
| ·Web使用挖掘的意义 | 第20-21页 |
| ·Web使用挖掘的数据源 | 第21-22页 |
| ·Web使用挖掘的数据预处理 | 第22-25页 |
| ·数据转换 | 第22-23页 |
| ·数据清理 | 第23页 |
| ·用户识别 | 第23页 |
| ·会话识别 | 第23页 |
| ·事务识别 | 第23-24页 |
| ·数据格式化 | 第24页 |
| ·用户兴趣度量 | 第24-25页 |
| ·个性化服务中常用的Web使用挖掘技术 | 第25页 |
| ·Web数据挖掘中常用的聚类算法 | 第25-28页 |
| 第4章 遗传算法 | 第28-33页 |
| ·遗传算法概述 | 第28-29页 |
| ·遗传算法框架 | 第29-30页 |
| ·交配、变异及选择 | 第30-33页 |
| 第5章 基于遗传算法的双窗口个性化推荐系统模型(GA-PAIS) | 第33-43页 |
| ·个性化推荐研究的现状 | 第33-35页 |
| ·现有个性化推荐技术的评价 | 第35页 |
| ·GA-PAIS模型介绍 | 第35-43页 |
| ·GA-PAIS体系结构 | 第35-36页 |
| ·基于兴趣度的事务约简 | 第36-37页 |
| ·基于遗传算法的事务聚类(GA-PAM) | 第37-40页 |
| ·推荐系数计算 | 第40-43页 |
| 第6章 GA-PAIS性能分析 | 第43-51页 |
| ·GA-PAIS时间复杂度分析 | 第43-50页 |
| ·推荐准确度分析 | 第50-51页 |
| 第7章 总结 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·进一步工作 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表论文目录 | 第56页 |