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日志挖掘的原型系统研究与实现

摘要第1-5页
Abstract第5-9页
第一章 绪论第9-16页
   ·研究背景、目的第9-10页
   ·个性化研究意义及其现状第10-11页
   ·Web 日志挖掘研究意义及其现状第11-13页
     ·国外研究现状第12页
     ·国内研究现状第12-13页
   ·本文的主要研究内容第13-14页
   ·本文组织结构第14-16页
第二章 数据挖掘与Web 挖掘第16-28页
   ·数据挖掘概述第16-17页
     ·数据挖掘定义第16-17页
     ·数据挖掘的一般过程第17页
   ·Web 挖掘第17-22页
     ·Web 挖掘基本概念第17-18页
     ·数据挖掘与Web 挖掘第18页
     ·Web 挖掘与信息检索第18页
     ·Web 挖掘对象第18-19页
     ·Web 挖掘处理过程第19页
     ·Web 挖掘分类第19-22页
   ·Web 日志挖掘第22-25页
     ·Web 日志挖掘相关术语第22页
     ·Web 日志挖掘对象第22-23页
     ·Web 日志挖掘一般过程第23页
     ·Web 日志挖掘常用技术第23-25页
   ·个性化第25-27页
     ·个性化信息推荐第26页
     ·个性化信息检索第26-27页
 本章小结第27-28页
第三章 个性化检索第28-31页
   ·个性化检索第28-30页
     ·个性化检索涉及的相关技术第28-29页
     ·个性化检索评价指标第29-30页
 本章小结第30-31页
第四章 Web 日志预处理研究第31-36页
   ·Web 日志介绍第31-32页
   ·Web 日志预处理过程第32-35页
     ·数据清理第32-34页
     ·用户识别第34页
     ·会话识别第34-35页
   ·用户点击日志第35页
 本章小结第35-36页
第五章 用户知识兴趣背景第36-40页
   ·用户知识兴趣背景概述第36-37页
     ·知识兴趣背景的研究对象第36-37页
     ·知识兴趣背景的获取方式以及构建方法第37页
   ·用户知识兴趣背景表示方法概述第37-39页
 本章小结第39-40页
第六章 构建用户知识兴趣背景第40-48页
   ·本文用户知识兴趣背景表示方法第40-41页
   ·数据过滤第41-42页
   ·基于词频统计的TF/IDF 算法第42页
   ·改进的偏加权TF/IDF 算法第42-45页
     ·用户交互页面权重分析第43-44页
     ·改进的偏加权TF/IDF 实现第44-45页
   ·用户知识兴趣背景构建第45-46页
   ·用户知识兴趣背景更新第46-47页
     ·Rocchio 反馈算法第46页
     ·基于Rocchio 反馈算法衍化的用户知识兴趣背景更新第46-47页
 本章小结第47-48页
第七章 基于用户知识兴趣背景的优化重排第48-51页
   ·基于用户知识兴趣背景的检索结果集分类第48-49页
   ·优化重排第49-50页
     ·文档向量的相关性第49-50页
     ·文档与查询的相关性第50页
 本章小结第50-51页
第八章 个性化检索系统原型第51-55页
   ·原型系统设计与架构第51-52页
   ·原型系统相关模块介绍第52-54页
     ·信息采集器第52-53页
     ·索引器、检索器以及用户接口模块第53-54页
     ·用户知识兴趣背景模块第54页
 本章小结第54-55页
第九章 原型实现与实验分析第55-63页
   ·实验平台的软硬件环境第55-56页
     ·系统软、硬件环境第55页
     ·Larbin 和Xapian 简介第55-56页
   ·实验分析第56-63页
     ·Web 日志预处理实验第56-57页
     ·偏加权TF/IDF 实验第57-60页
     ·原型系统系统性能试验第60-63页
第十章 结论第63-65页
   ·总结第63页
   ·研究展望第63-65页
参考文献第65-70页
攻读硕士学位期间发表的论文及科研成果第70-71页
致谢第71-72页

论文共72页,点击 下载论文
上一篇:复杂产品反求项目组织及实施技术研究
下一篇:基于视频的交通状态分析研究