| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-18页 |
| ·研究目的及意义 | 第8-9页 |
| ·Web访问信息挖掘的研究现状 | 第9-10页 |
| ·Web个性化信息服务概述 | 第10-12页 |
| ·个性化推荐系统研究现状与面临的挑战 | 第12-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 2 知识背景 | 第18-30页 |
| ·数据挖掘 | 第18-19页 |
| ·数据挖掘概念 | 第18页 |
| ·数据挖掘的一般过程 | 第18-19页 |
| ·数据挖掘的一般算法模型 | 第19页 |
| ·Web使用挖掘 | 第19-22页 |
| ·Web挖掘的概念 | 第19-21页 |
| ·Web使用挖掘 | 第21-22页 |
| ·个性化推荐系统及相关技术 | 第22-29页 |
| ·个性化推荐系统的含义 | 第22-23页 |
| ·个性化推荐系统的输入输出 | 第23-25页 |
| ·个性化推荐策略 | 第25-26页 |
| ·基于项目的协作过滤推荐算法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3 面向个性化推荐的Web使用挖掘的预处理研究 | 第30-44页 |
| ·Web使用挖掘的数据源 | 第30-33页 |
| ·Web使用挖掘的预处理流程 | 第33-40页 |
| ·数据清洗 | 第33-36页 |
| ·用户识别 | 第36-37页 |
| ·会话识别 | 第37-40页 |
| ·模拟日志构造过程与预处理过程 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于项目的非邻近序列模式推荐算法研究 | 第44-61页 |
| ·基于用户的序列模式发现方法 | 第44-45页 |
| ·用户浏览兴趣的度量方法 | 第45页 |
| ·基于项目的KNN方法 | 第45-47页 |
| ·资源的相似计算 | 第45-46页 |
| ·推荐的产生 | 第46-47页 |
| ·基于项目的非邻近序列模式推荐算法 | 第47-51页 |
| ·转移矩阵序列的计算 | 第47-48页 |
| ·概率转移矩阵的计算 | 第48-49页 |
| ·推荐的产生 | 第49-50页 |
| ·路径长度为θ的概率差值 | 第50页 |
| ·基于项目的非邻近序列模式推荐过程 | 第50-51页 |
| ·实验 | 第51-57页 |
| ·实验数据集 | 第51-53页 |
| ·度量标准 | 第53页 |
| ·实验过程 | 第53-57页 |
| ·算法分析 | 第57页 |
| ·基于项目的非邻近序列模式推荐算法的个性化推荐系统模型 | 第57-60页 |
| ·模型设计 | 第58-59页 |
| ·模型特点及适用范围 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 在校学习期间发表的论文 | 第67页 |