| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·数据挖掘概述 | 第10页 |
| ·Web 挖掘概述 | 第10-12页 |
| ·Web 数据挖掘的定义 | 第10-11页 |
| ·Web 数据挖掘的分类 | 第11-12页 |
| ·课题研究目的和意义 | 第12-13页 |
| ·研究的研究思路与结构安排 | 第13-18页 |
| ·论文研究思路 | 第13-15页 |
| ·论文的结构安排 | 第15-18页 |
| 2 相关研究 | 第18-28页 |
| ·Web 使用挖掘数据预处理 | 第18-21页 |
| ·浏览模式发现研究 | 第21-23页 |
| ·浏览模式聚类研究 | 第23-25页 |
| ·浏览模式挖掘的应用研究 | 第25-27页 |
| ·系统改进 | 第25-26页 |
| ·个性化服务(Web Personalizatoin) | 第26-27页 |
| ·商业智能(Business Intelligence) | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 频繁浏览兴趣路径发现模型 | 第28-46页 |
| ·基于用户兴趣的浏览模式挖掘 | 第28-36页 |
| ·用户浏览兴趣描述 | 第29-30页 |
| ·基于路径选择兴趣与页面浏览兴趣的频繁浏览路径挖掘算法 | 第30-33页 |
| ·实例分析 | 第33-35页 |
| ·实验分析 | 第35-36页 |
| ·基于模糊集的用户浏览模式挖掘 | 第36-43页 |
| ·模糊理论 | 第37-40页 |
| ·数据准备 | 第40-41页 |
| ·挖掘用户模糊浏览兴趣路径 | 第41-42页 |
| ·实验分析 | 第42-43页 |
| ·本章小结 | 第43-46页 |
| 4 基于用户浏览兴趣的聚类方法 | 第46-70页 |
| ·聚类的相关研究 | 第46-48页 |
| ·聚类的基本定义 | 第46页 |
| ·数据对象之间的相似性度量 | 第46-48页 |
| ·基于LCS 的归纳化的用户浏览模式聚类方法 | 第48-56页 |
| ·用户访问顺序关系特性 | 第49-50页 |
| ·路径的交集 | 第50-51页 |
| ·路径相似度计算 | 第51-53页 |
| ·相似图与归纳化的用户浏览模式聚类方法 | 第53-54页 |
| ·实验分析 | 第54-56页 |
| ·基于模糊粗糙集的用户浏览模式聚类方法 | 第56-67页 |
| ·相关理论知识 | 第57-60页 |
| ·浏览时间转化为模糊集合 | 第60-61页 |
| ·使用粗糙上近似聚类用户浏览模式 | 第61-63页 |
| ·实例分析 | 第63-66页 |
| ·实验分析 | 第66-67页 |
| ·本章小结 | 第67-70页 |
| 5 基于用户浏览模式挖掘的相关应用研究 | 第70-84页 |
| ·频繁浏览兴趣主干子网发现模式 | 第70-76页 |
| ·基于频繁浏览路径构建频繁浏览兴趣主干子网 | 第70-71页 |
| ·加权频繁浏览兴趣主干子网发现算法 | 第71-76页 |
| ·实验分析 | 第76页 |
| ·聚类在网页推荐中的应用研究 | 第76-82页 |
| ·推荐系统结构图 | 第76-77页 |
| ·加权关联规则发现 | 第77-79页 |
| ·聚类结果分析 | 第79页 |
| ·关联规则和聚类分析相结合的网页推荐方法 | 第79-80页 |
| ·实验分析 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 6 总结和展望 | 第84-86页 |
| ·本文的研究成果 | 第84-85页 |
| ·进一步的工作 | 第85-86页 |
| 致谢 | 第86-88页 |
| 参考文献 | 第88-99页 |
| 附录 | 第99-100页 |
| A 修改后的LCS 算法源代码 | 第99页 |
| B 作者在攻读博士学位期间发表的论文 | 第99-100页 |
| C 作者在攻读博士学位期间参与的科研项目 | 第100页 |
