| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.2 国内外现状及分析 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 论文的章节安排 | 第14-16页 |
| 第二章 相关技术研究 | 第16-29页 |
| 2.1 数字图书馆个性化服务概述 | 第16-18页 |
| 2.2 Web 挖掘的意义和分类 | 第18-21页 |
| 2.2.1 Web 挖掘的意义 | 第18-19页 |
| 2.2.2 Web 挖掘的分类 | 第19-21页 |
| 2.3 关联规则的基本概念 | 第21-24页 |
| 2.3.1 经典的发现频繁项目集算法 | 第22-23页 |
| 2.3.2 关联规则生成算法 | 第23-24页 |
| 2.4 聚类方法 | 第24-27页 |
| 2.4.1 基于划分的方法—k-means 平均算法 | 第24-26页 |
| 2.4.2 基于层次的方法—AGNES 算法 | 第26-27页 |
| 2.5 提高推荐速度的算法改进 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 图书馆个性化推荐系统需求分析 | 第29-34页 |
| 3.1 系统特点 | 第29-30页 |
| 3.2 功能需求 | 第30-32页 |
| 3.2.1 确定参与者 | 第31页 |
| 3.2.2 确定系统用例 | 第31-32页 |
| 3.3 性能需求 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于 WEB 挖掘的图书馆个性化推荐系统设计 | 第34-52页 |
| 4.1 系统总体架构 | 第34-36页 |
| 4.2 数据预处理模块设计 | 第36-39页 |
| 4.2.1 数据准备 | 第36-38页 |
| 4.2.2 建立用户兴趣模型库 | 第38-39页 |
| 4.3 频繁访问模式发现模块设计 | 第39-46页 |
| 4.3.1 用户兴趣建模技术 | 第39-40页 |
| 4.3.2 用户兴趣模型的表示 | 第40页 |
| 4.3.3 用户兴趣模型库的生成 | 第40-45页 |
| 4.3.4 用户兴趣模型库的更新 | 第45-46页 |
| 4.4 在线推荐模块设计 | 第46-49页 |
| 4.4.1 建立推荐池 | 第46-47页 |
| 4.4.2 产生初步推荐集 | 第47-48页 |
| 4.4.3 融合离线部分产生个性化推荐集 | 第48-49页 |
| 4.5 数据库设计 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 基于 WEB 挖掘的图书馆个性化推荐系统实现 | 第52-69页 |
| 5.1 系统开发环境以及配置 | 第52-53页 |
| 5.2 预处理模块的实现 | 第53-55页 |
| 5.3 频繁访问模式发现模块实现 | 第55-58页 |
| 5.4 在线推荐模块实现 | 第58-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 系统测试 | 第69-75页 |
| 6.1 系统环境 | 第69-70页 |
| 6.2 功能测试 | 第70-73页 |
| 6.3 性能测试 | 第73-74页 |
| 6.4 本章小结 | 第74-75页 |
| 第七章 结束语 | 第75-77页 |
| 7.1 全文总结 | 第75页 |
| 7.2 后续工作展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
