| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·研究背景及意义 | 第9-11页 |
| ·本文工作 | 第11-14页 |
| ·研究内容 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 第二章 Web日志挖掘概述 | 第14-20页 |
| ·数据收集 | 第14-15页 |
| ·数据预处理 | 第15-17页 |
| ·数据清洗 | 第16页 |
| ·用户识别 | 第16-17页 |
| ·用户会话 | 第17页 |
| ·路径补充 | 第17页 |
| ·模式发现与分析 | 第17-19页 |
| ·模式发现 | 第17-18页 |
| ·模式分析及应用 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 定性规则研究及分析的理论基础 | 第20-23页 |
| ·云理论 | 第20-22页 |
| ·云模型 | 第20-21页 |
| ·云发生器 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 基于访问效率的Web日志预处理方法 | 第23-28页 |
| ·问题的提出 | 第23-24页 |
| ·相关定义 | 第24-25页 |
| ·算法设计与实现 | 第25-26页 |
| ·实验分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第五章 基于云理论的页面吸引度定性分析方法 | 第28-33页 |
| ·相关概念定义 | 第28-29页 |
| ·算法实现 | 第29-31页 |
| ·MC(Magnetism Cloud)系统模型及测试 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第六章 基于模糊聚类和云理论的Web信息定性分类算法 | 第33-39页 |
| ·提出问题及解决方案 | 第33页 |
| ·相关概念 | 第33-34页 |
| ·模糊聚类 | 第33-34页 |
| ·云理论 | 第34页 |
| ·Web信息定性分类算法 | 第34-37页 |
| ·Web定性分类实例分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第七章 基于云理论的Web日志定性规则挖掘方法 | 第39-61页 |
| ·传统的关联规则 | 第39-45页 |
| ·关联规则概述 | 第39-41页 |
| ·Apriori算法 | 第41-43页 |
| ·Apriori算法的改进 | 第43页 |
| ·基于Apriori算法的Web日志规则挖掘 | 第43-44页 |
| ·基于模糊聚类和兴趣度的Web日志规则挖掘算法 | 第44-45页 |
| ·Web日志定性规则挖掘算法 | 第45-60页 |
| ·问题的提出 | 第46-47页 |
| ·数据准备及预处理 | 第47-48页 |
| ·定量数据的定性离散化——云变换 | 第48-50页 |
| ·概念提升 | 第50-53页 |
| ·定性规则提取算法 | 第53-55页 |
| ·实例分析比较 | 第55-56页 |
| ·系统设计与实现 | 第56-58页 |
| ·改进数据存储方式 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第八章 结束语 | 第61-63页 |
| ·工作总结 | 第61-62页 |
| ·研究展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间参加的科研项目和发表的论文 | 第67-68页 |