基于Web日志的网络用户聚类研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·课题目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9页 |
| ·本文研究内容 | 第9-10页 |
| ·本文的组织结构 | 第10-12页 |
| 2 基于Web日志网络用户聚类的相关概念和技术 | 第12-21页 |
| ·Web挖掘 | 第12-16页 |
| ·Web挖掘的概念 | 第12-13页 |
| ·Web挖掘的分类 | 第13-16页 |
| ·聚类 | 第16-21页 |
| ·聚类的概念 | 第16-17页 |
| ·聚类方法的分类 | 第17-21页 |
| 3 UBPC聚类算法的分析和改进 | 第21-28页 |
| ·聚类分析 | 第21页 |
| ·数据表示 | 第21-22页 |
| ·相似性的度量 | 第22-24页 |
| ·相似度定义 | 第22页 |
| ·计算距离的几种方法 | 第22-23页 |
| ·计算相似度的方法 | 第23-24页 |
| ·算法分析 | 第24-28页 |
| ·UBPC算法 | 第24-26页 |
| ·UBPC算法的改进 | 第26-28页 |
| 4 实现基于Web日志的网络用户聚类的总体设计 | 第28-38页 |
| ·网络用户聚类 | 第28页 |
| ·网络用户浏览路径的提取 | 第28-36页 |
| ·数据清洗 | 第28-29页 |
| ·格式转化 | 第29-30页 |
| ·用户识别 | 第30-31页 |
| ·会话识别 | 第31-32页 |
| ·事务识别 | 第32-36页 |
| ·实现基于Web日志的网络用户聚类的体系结构 | 第36-38页 |
| 5 基于网络用户浏览路径结构的用户聚类 | 第38-46页 |
| ·问题描述 | 第38页 |
| ·用户会话相似度计算 | 第38-39页 |
| ·用户相似度计算 | 第39-41页 |
| ·采用改进的UBPC算法对用户聚类 | 第41-42页 |
| ·产生内部高度相似的小簇 | 第41页 |
| ·孤立点的处理 | 第41页 |
| ·合并衡量的依据 | 第41-42页 |
| ·聚类及聚类中心 | 第42页 |
| ·实验结果 | 第42-46页 |
| ·用户浏览路径的提取结果 | 第42-44页 |
| ·聚类结果及分析 | 第44-46页 |
| 6 基于网络用户浏览路径内容的用户聚类 | 第46-58页 |
| ·问题描述 | 第46页 |
| ·基于浏览内容用户聚类的步骤 | 第46-47页 |
| ·目标页的获取 | 第47-48页 |
| ·目标页和导航页的概念 | 第47页 |
| ·目标页和导航页的区分 | 第47-48页 |
| ·目标页的聚类 | 第48-52页 |
| ·页面聚类的一般方法 | 第48-50页 |
| ·页面聚类方法的分析 | 第50页 |
| ·一种新的基于Web日志的页面聚类方法 | 第50-52页 |
| ·用户相似度计算 | 第52-53页 |
| ·用户浏览内容的特征表示 | 第52页 |
| ·用户相似度计算 | 第52-53页 |
| ·聚类及聚类中心 | 第53页 |
| ·实验结果 | 第53-58页 |
| ·用户浏览路径提取结果 | 第53-54页 |
| ·目标页提取结果 | 第54页 |
| ·目标页聚类的结果 | 第54-55页 |
| ·用户相似度的计算结果 | 第55-56页 |
| ·聚类结果及分析 | 第56-58页 |
| 7 结束语 | 第58-60页 |
| ·总结 | 第58页 |
| ·进一步的工作展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 在校期间发表的论文与参加的科研项目 | 第64页 |
| 参加的科研项目 | 第64页 |
