| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题目的和意义 | 第9-10页 |
| ·Web个性化信息服务的意义 | 第10页 |
| ·国内外研究动态 | 第10-13页 |
| ·本论文的工作 | 第13-14页 |
| ·本文结构和组织 | 第14-15页 |
| 第二章 实现智能信息服务系统的理论基础 | 第15-23页 |
| ·Web数据挖掘技术 | 第15-17页 |
| ·Web内容挖掘 | 第15-16页 |
| ·Web结构挖掘 | 第16页 |
| ·Web使用记录挖掘 | 第16-17页 |
| ·Web数据挖掘的应用领域 | 第17-18页 |
| ·Web日志挖掘 | 第18-22页 |
| ·Web日志挖掘的定义 | 第18-19页 |
| ·Web服务器日志 | 第19-21页 |
| ·Web日志挖掘的过程 | 第21-22页 |
| ·本章小节 | 第22-23页 |
| 第三章 Web日志挖掘中的数据预处理技术 | 第23-31页 |
| ·数据处理技术 | 第23页 |
| ·Web日志预处理技术 | 第23-25页 |
| ·Web日志数据预处理过程 | 第25-30页 |
| ·数据清理 | 第26-27页 |
| ·用户识别 | 第27-28页 |
| ·会话识别 | 第28-29页 |
| ·路径补充 | 第29-30页 |
| ·事务识别 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第四章 Web使用挖掘中的聚类算法 | 第31-42页 |
| ·聚类 | 第31-33页 |
| ·模糊聚类 | 第33-38页 |
| ·Web使用挖掘中聚类挖掘算法 | 第38-40页 |
| ·超图聚类 | 第38-39页 |
| ·支撑向量机聚类 | 第39-40页 |
| ·对已有算法的分析 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 第五章 Web用户浏览模式模糊聚类算法的研究 | 第42-53页 |
| ·算法模型 | 第42页 |
| ·算法描述 | 第42-47页 |
| ·从Web日志生成Web事物集合 | 第42-43页 |
| ·用户浏览时间的离散化表示方法 | 第43页 |
| ·Web站点用户访问矩阵表示 | 第43页 |
| ·原始数据标准化 | 第43-44页 |
| ·构建模糊相似矩阵 | 第44页 |
| ·最大支撑树聚类算法 | 第44-47页 |
| ·Web事物聚类 | 第47页 |
| ·算法实现 | 第47-49页 |
| ·浏览时间用区间表示的算法描述 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 基于Web的智能教学系统原型系统设计及关键技术的实现 | 第53-70页 |
| ·设计目标 | 第53-54页 |
| ·系统的网络结构 | 第54页 |
| ·系统的功能 | 第54-55页 |
| ·系统管理功能 | 第54页 |
| ·教师功能 | 第54-55页 |
| ·学生学习功能 | 第55页 |
| ·系统的结构模型 | 第55-60页 |
| ·系统框架模型的设计 | 第55-57页 |
| ·系统的结构及实现流程设计 | 第57-60页 |
| ·系统关键技术及实现 | 第60-70页 |
| ·知识库的构建 | 第60-62页 |
| ·认知型学生模型的构建 | 第62-64页 |
| ·决策推理模型 | 第64-68页 |
| ·教师模型的构建 | 第68-70页 |
| 第七章 论文总结及展望 | 第70-71页 |
| ·内容总结 | 第70页 |
| ·研究展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74页 |