首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于Web日志挖掘的用户访问模式研究

中文摘要第1-5页
英文摘要第5-9页
1 绪论第9-14页
 1.1 研究背景与意义第9-10页
 1.2 国内外有关用户模式发现的现状第10-12页
  1.2.1 用户访问模式的发现方法第10-11页
  1.2.2 现有用户模式挖掘系统的分类第11-12页
 1.3 论文的工作和组织结构第12-13页
 1.4 本章小结第13-14页
2 Web挖掘技术第14-25页
 2.1 数据挖掘概述第14-19页
  2.1.1 什么是数据挖掘第14页
  2.1.2 数据挖掘使用的各种方法第14-16页
  2.1.3 数据挖掘的过程第16页
  2.1.4 数据挖掘的分类第16-19页
 2.2 Web数据挖掘第19-24页
  2.2.1 Web挖掘的定义第19-20页
  2.2.2 Web挖掘的对象第20页
  2.2.3 Web挖掘的难点第20-21页
  2.2.4 Web挖掘的分类第21-24页
 2.3 本章小结第24-25页
3 web使用挖掘第25-31页
 3.1 web使用挖掘的应用第25-27页
 3.2 web使用挖掘的过程第27-30页
  3.2.1 数据预处理阶段第28-29页
  3.2.2 模式发现阶段第29-30页
  3.2.3 模式分析阶段第30页
 3.3 本章小结第30-31页
4 Markov模型预测方法第31-38页
 4.1 预测方法概述第31-32页
 4.2 Markov模型第32-35页
  4.2.1 k阶Markov链基本概念第32页
  4.2.2 转移概率矩阵第32-33页
  4.2.3 利用Markov模型进行预测第33-34页
  4.2.4 K阶模型构造算法第34-35页
 4.3 混序Markov模型第35-37页
 4.4 本章小结第37-38页
5 带访问倾向权重的Markov模型预测方法第38-47页
 5.1 用户浏览时间的离散化表示方法第38-41页
  5.1.1 为何进行离散化处理第38页
  5.1.2 值差分度量算法第38-40页
  5.1.3 运用值差分度量算法进行离散化处理第40-41页
 5.2 带访问倾向权重的Markov模型及其构造算法第41-43页
  5.2.1 访问倾向权重第41-42页
  5.2.2 模型及其构造算法第42-43页
 5.3 改进后的预测算法第43-44页
 5.4 Markov模型K值的选定第44-45页
 5.5 模拟实验第45-46页
 5.6 本章小结第46-47页
6 web用户访问模式挖掘系统第47-50页
 6.1 问题的提出第47页
 6.2 系统概述及框架第47-48页
 6.3 本章小结第48-50页
7 总结第50-51页
 7.1 论文工作总结第50页
 7.2 进一步研究第50-51页
致谢第51-52页
参考文献第52-55页

论文共55页,点击 下载论文
上一篇:急性尿潴留后膀胱功能和组织结构改变及其与活性氧关系的实验研究
下一篇:主题体验式购物中心设计研究