数据挖掘技术在个性化web中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究目的和意义 | 第11-12页 |
| ·个性化web服务研究现状 | 第12-13页 |
| ·个性化服务的发展趋势 | 第13-14页 |
| ·问题的提出和论文主要工作 | 第14-16页 |
| ·存在的问题 | 第14-15页 |
| ·本论文主要工作 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第2章 个性化web服务技术研究 | 第17-27页 |
| ·个性化web服务的技术述评 | 第17-22页 |
| ·基于协同过滤推荐技术 | 第17-20页 |
| ·协同过滤推荐算法的改进 | 第20页 |
| ·基于内容过滤的技术 | 第20-21页 |
| ·基于知识发现技术 | 第21-22页 |
| ·基于数据挖掘的个性化web服务 | 第22-27页 |
| ·数据挖掘分析 | 第22-25页 |
| ·个性化Web挖掘分析 | 第25-27页 |
| 第3章 基于语义的个性化web信息服务推荐模型 | 第27-37页 |
| ·个性化系统工作原理分析 | 第27-28页 |
| ·语义Web | 第28-29页 |
| ·基于语义的个性化Web信息服务模型 | 第29-31页 |
| ·基于元数据的数据表示 | 第31-34页 |
| ·基于元数据的个性化需求库 | 第31-33页 |
| ·基于元数据的个性化资源库 | 第33-34页 |
| ·实验与结果分析 | 第34-37页 |
| 第4章 一种基于交集的关联规则挖掘算法 | 第37-47页 |
| ·关联规则挖掘 | 第37-38页 |
| ·经典关联规则算法分析 | 第38-39页 |
| ·关联规则的改进研究 | 第39-41页 |
| ·Apriori算法的改进方法 | 第40-41页 |
| ·最大频繁项集挖掘算法 | 第41页 |
| ·基于交集的最大频繁模式算法ISMFP | 第41-44页 |
| ·概念和定义 | 第41-43页 |
| ·基于交集的最大频繁模式算法ISMFP | 第43-44页 |
| ·例证分析与实验 | 第44-47页 |
| ·例证分析 | 第44-45页 |
| ·算法实现与分析 | 第45-47页 |
| 第5章 关联聚类分析在个性化web服务中的应用 | 第47-61页 |
| ·相关工作 | 第47-48页 |
| ·基于关联聚类方法的个性化推荐系统 | 第48页 |
| ·聚类分析研究 | 第48-54页 |
| ·聚类分析中的数据类型 | 第49-50页 |
| ·距离和相似系数 | 第50-51页 |
| ·聚类分析的方法 | 第51-52页 |
| ·聚类分析的步骤 | 第52-53页 |
| ·主要聚类算法 | 第53-54页 |
| ·基于关联的聚类算法研究 | 第54-56页 |
| ·概念和定义 | 第54-55页 |
| ·基于关联的聚类算法 | 第55-56页 |
| ·例证分析与实验 | 第56-61页 |
| ·例证分析 | 第57-58页 |
| ·实验结果及分析 | 第58-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读硕士学位期间发表的论文 | 第68页 |
