WEB挖掘在VOD系统中的研究与应用
| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·本文工作 | 第14-15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 数据挖掘技术 | 第17-27页 |
| ·数据挖掘概述 | 第17-22页 |
| ·数据挖掘的概念 | 第17-18页 |
| ·数据挖掘方法 | 第18-19页 |
| ·数据挖掘任务 | 第19-20页 |
| ·数据挖掘典型应用 | 第20-21页 |
| ·数据挖掘研究焦点 | 第21-22页 |
| ·WEB数据挖掘 | 第22-25页 |
| ·WEB挖掘的意义 | 第22页 |
| ·WEB挖掘的数据来源 | 第22-23页 |
| ·WEB挖掘的分类 | 第23-25页 |
| ·WEB个性化信息服务 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于WEB日志挖掘优化影片归类过程的设计 | 第27-40页 |
| ·WEB日志挖掘 | 第27-32页 |
| ·WEB日志挖掘过程 | 第27-28页 |
| ·WEB日志挖掘数据来源 | 第28页 |
| ·WEB日志挖掘数据预处理技术 | 第28-31页 |
| ·WEB日志挖掘常用技术 | 第31-32页 |
| ·基于WEB日志挖掘优化影片归类 | 第32-39页 |
| ·数据来源 | 第32-33页 |
| ·VOD站点结构 | 第33-34页 |
| ·用户访问模式分析 | 第34页 |
| ·数据预处理 | 第34-35页 |
| ·确定影片的候选分类集 | 第35-36页 |
| ·确定期望分类 | 第36-37页 |
| ·实验过程与结果 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于项目特征模型的协同过滤推荐算法 | 第40-54页 |
| ·电子商务推荐系统 | 第40-47页 |
| ·电子商务推荐系统概述 | 第40-41页 |
| ·电子商务推荐系统的组成 | 第41-42页 |
| ·推荐算法 | 第42-47页 |
| ·基于关联规则的推荐算法 | 第43页 |
| ·基于内容的推荐算法 | 第43页 |
| ·协同过滤推荐算法 | 第43-47页 |
| ·基于项目特征模型的协同过滤推荐算法 | 第47-53页 |
| ·推荐方法的整体框架 | 第47页 |
| ·根据项目特征构造项目的相似性模型 | 第47-48页 |
| ·根据用户_评价矩阵计算项目的协同相似性 | 第48-49页 |
| ·构造综合相似性模型并形成预测 | 第49-50页 |
| ·试验过程 | 第50-53页 |
| ·数据集和评估标准 | 第50-51页 |
| ·度量标准 | 第51-52页 |
| ·试验结果 | 第52页 |
| ·试验结果分析 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第五章 多模型影片推荐系统的设计与实现 | 第54-64页 |
| ·多模型推荐系统工作流程 | 第54-55页 |
| ·多模型推荐系统构架 | 第55-56页 |
| ·多模型推荐系统实现技术 | 第56-62页 |
| ·数据采集 | 第56-57页 |
| ·数据处理 | 第57-59页 |
| ·推荐模型建立 | 第59-61页 |
| ·推荐产生 | 第61-62页 |
| ·小结 | 第62-64页 |
| 第六章 结束语 | 第64-66页 |
| ·本文主要工作总结 | 第64-65页 |
| ·进一步工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |
