数据挖掘在读者偏好研究中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号说明 | 第7-10页 |
| 第一章 引言 | 第10-14页 |
| 1.1 背景及问题的提出 | 第10-11页 |
| 1.2 数据挖掘的发展历史及国内外研究现状 | 第11-12页 |
| 1.3 课题研究目的、数据来源、处理工具 | 第12页 |
| 1.4 本文的组织结构及其章节编排 | 第12-14页 |
| 第二章 关联规则挖掘 | 第14-29页 |
| 2.1 关联规则的基本理论 | 第14-17页 |
| 2.1.1 关联规则挖掘技术的提出 | 第14页 |
| 2.1.2 关联规则中的基本概念 | 第14-17页 |
| 2.2 关联规则挖掘的常用算法 | 第17-18页 |
| 2.3 MFP-MINER 算法的基本概念 | 第18-28页 |
| 2.3.1 算法中的基本定义 | 第19-23页 |
| 2.3.2 MFP-MINER 算法思想 | 第23-24页 |
| 2.3.3 MFP-MINER 算法描述 | 第24-27页 |
| 2.3.4 与MAFIA 算法的比较 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 关联规则挖掘在财经类学校图书馆中的应用 | 第29-46页 |
| 3.1 图书馆借阅数据的预处理 | 第29-39页 |
| 3.1.1 图书馆借阅数据的导入及提取 | 第29-33页 |
| 3.1.2 事务数据库的建立 | 第33-39页 |
| 3.2 图书借阅关联规则挖掘算法实现 | 第39-41页 |
| 3.3 实验结果与分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于协同过滤算法的新书推荐方法 | 第46-53页 |
| 4.1 协同过滤技术的相关概念 | 第46-47页 |
| 4.2 基于改进的读者聚类的协同过滤算法 | 第47-49页 |
| 4.2.1 改进算法中的读者相似性计算 | 第47-48页 |
| 4.2.2 改进推荐算法 | 第48-49页 |
| 4.2.3 对目标读者产生推荐 | 第49页 |
| 4.3 实验结果及其分析 | 第49-52页 |
| 4.3.1 实验数据 | 第49-50页 |
| 4.3.2 度量标准 | 第50页 |
| 4.3.3 实验结果及分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-56页 |
| 5.1 本文工作回顾 | 第53-54页 |
| 5.2 成果及意义 | 第54页 |
| 5.3 存在的问题及进一步的工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的论文 | 第61-63页 |
