| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外发展现状 | 第8-9页 |
| 1.2.1 数据挖掘发展现状 | 第8页 |
| 1.2.2 互联网数据挖掘及其应用发展 | 第8-9页 |
| 1.3 存在问题分析 | 第9-11页 |
| 1.4 本文研究内容 | 第11-14页 |
| 1.4.1 主要研究思路 | 第11页 |
| 1.4.2 主要内容 | 第11-14页 |
| 第二章 相关理论和技术 | 第14-23页 |
| 2.1 决策树算法简介 | 第14-15页 |
| 2.2 智能推荐算法 | 第15-19页 |
| 2.2.1 协同过滤推荐算法的分类研究与分析 | 第16-17页 |
| 2.2.2 协同过滤推荐算法的改进研究 | 第17-18页 |
| 2.2.3 协同过滤推荐算法在智能推荐系统中的应用研究 | 第18-19页 |
| 2.3 模糊聚类分析 | 第19-20页 |
| 2.4 灰色预测 GM(1，1)模型 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 互联网电视用户行为分析的应用研究 | 第23-45页 |
| 3.1 基于数据挖掘技术的互联网电视智能推荐系统应用分析 | 第23-24页 |
| 3.2 用户行为分析和智能推荐方案设计 | 第24-28页 |
| 3.2.1 互联网电视用户个性化智能推荐系统研究 | 第25-26页 |
| 3.2.2 互联网电视用户行为分析的数据源分析 | 第26-28页 |
| 3.3 互联网电视用户行为分析的数据仓库设计 | 第28-44页 |
| 3.3.1 总体设计分析 | 第28-33页 |
| 3.3.2 操作数据层的设计 | 第33-39页 |
| 3.3.3 基础数据层设计 | 第39-41页 |
| 3.3.4 汇总数据层设计 | 第41-44页 |
| 3.3.5 应用数据层设计 | 第44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 互联网电视智能推荐系统设计 | 第45-60页 |
| 4.1 互联网电视智能推荐系统组成 | 第45-47页 |
| 4.2 核心功能设计 | 第47-52页 |
| 4.2.1 ETL 管理 | 第47-49页 |
| 4.2.2 元数据管理 | 第49-50页 |
| 4.2.3 元数据质量管理 | 第50页 |
| 4.2.4 数据质量监控分析 | 第50-52页 |
| 4.3 推荐功能设计 | 第52-57页 |
| 4.3.1 综合推荐（热点数据） | 第52页 |
| 4.3.2 关联推荐（item-to-item） | 第52-56页 |
| 4.3.3 智能搜索设计 | 第56-57页 |
| 4.4 互联网用户行为分析的作用及意义 | 第57-59页 |
| 4.4.1 用户行为分析的意义 | 第57-58页 |
| 4.4.2 数据挖掘支撑互联网电视运营商经营决策 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60页 |
| 5.2 进一步研究方向 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |