基于Web日志挖掘的个性化推荐研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-11页 |
| 1 绪论 | 第11-18页 |
| ·研究目的及意义 | 第11-12页 |
| ·研究目的 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·Web 日志的研究现状 | 第12-13页 |
| ·个性化推荐系统的研究现状 | 第13-15页 |
| ·个性化推荐系统面临的挑战 | 第15-16页 |
| ·本文研究的主要内容 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 2 知识背景 | 第18-29页 |
| ·数据挖掘概论 | 第18-19页 |
| ·什么是数据挖掘 | 第18页 |
| ·数据挖掘的一般过程 | 第18页 |
| ·数据挖掘的一般算法模型 | 第18-19页 |
| ·Web 日志挖掘 | 第19-23页 |
| ·什么是Web 挖掘 | 第19-20页 |
| ·Web 挖掘的分类 | 第20-21页 |
| ·Web 日志挖掘 | 第21-23页 |
| ·个性化推荐系统及相关技术介绍 | 第23-28页 |
| ·个性化推荐系统 | 第23-24页 |
| ·个性化推荐系统的推荐过程 | 第24-25页 |
| ·个性化推荐技术 | 第25-27页 |
| ·个性化服务模型结构 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 Web 日志挖掘的预处理研究 | 第29-39页 |
| ·Web 日志介绍 | 第29-31页 |
| ·Web 服务器日志 | 第29-31页 |
| ·代理服务器端日志 | 第31页 |
| ·单个客户端日志 | 第31页 |
| ·Web 日志挖掘的预处理流程 | 第31-37页 |
| ·数据清洗 | 第32-33页 |
| ·用户识别 | 第33-34页 |
| ·会话识别 | 第34-36页 |
| ·路径填充 | 第36页 |
| ·事务识别 | 第36-37页 |
| ·实验分析 | 第37-38页 |
| ·会话结果评价 | 第37页 |
| ·预处理结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 用户浏览兴趣度 | 第39-46页 |
| ·用户浏览兴趣的度量方法 | 第39-41页 |
| ·基于访问时间和访问关键字的兴趣度量方法 | 第41-44页 |
| ·用户访问时间 | 第41-43页 |
| ·用户访问关键字 | 第43页 |
| ·用户访问兴趣度 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 5 基于兴趣聚类的个性化网页推荐算法 | 第46-58页 |
| ·现状简介 | 第46-47页 |
| ·聚类算法 | 第47-52页 |
| ·路径相似度 | 第47-48页 |
| ·竞争凝聚 | 第48-50页 |
| ·问题求解 | 第50-51页 |
| ·实验分析 | 第51-52页 |
| ·生成推荐集 | 第52-57页 |
| ·基本概念 | 第52页 |
| ·以往算法的不足 | 第52-53页 |
| ·改进推荐算法 | 第53-55页 |
| ·推荐集合并 | 第55页 |
| ·实验分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 6 基于Web 日志挖掘的个性化推荐模型 | 第58-61页 |
| ·模型概述 | 第58-59页 |
| ·模型设计 | 第59-60页 |
| ·模型特点 | 第60页 |
| ·本章小结 | 第60-61页 |
| 7 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
