| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 CRM系统及协作型CRM系统的研究及发展现状 | 第12-15页 |
| 1.2.2 决策树的研究及发展现况 | 第15-16页 |
| 1.2.3 聚类算法目前的研究以及发展现况 | 第16-17页 |
| 1.3 课题的来源及主要研究内容 | 第17-19页 |
| 1.3.1 课题来源 | 第17-18页 |
| 1.3.2 课题的主要研究内容 | 第18-19页 |
| 第2章 相关技术概述 | 第19-34页 |
| 2.1 协作型CRM系统结构与会话基本模型 | 第19-23页 |
| 2.1.1 协作型CRM基本模型 | 第19-20页 |
| 2.1.2 数据仓库及会话基本模型 | 第20-21页 |
| 2.1.3 格式化的会话数据模型 | 第21-22页 |
| 2.1.4 训练样本数据获取 | 第22-23页 |
| 2.2 C4.5算法基本原理 | 第23-28页 |
| 2.2.1 决策树基本思想 | 第23-24页 |
| 2.2.2 信息增益与信息系增益率 | 第24-26页 |
| 2.2.3 剪枝处理 | 第26页 |
| 2.2.4 连续值处理 | 第26-27页 |
| 2.2.5 缺失值处理 | 第27-28页 |
| 2.3 k-means算法基本原理 | 第28-29页 |
| 2.4 DBSCAN算法基本原理 | 第29-31页 |
| 2.5 聚类效果的性能度量标准 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于C4.5的会话内容分类改进算法 | 第34-43页 |
| 3.1 引言 | 第34页 |
| 3.2 为会话内容模型改进的C4.5算法 | 第34-40页 |
| 3.2.1 优化信息增益率计算公式 | 第34-39页 |
| 3.2.2 使用Fibonacci查找Fayyad边界优化连续值离散化算法 | 第39-40页 |
| 3.3 应用C4.5改进算法生成初始决策树 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于C4.5分类后的K-PDD聚类 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 K-PDD聚类算法 | 第43-49页 |
| 4.2.1 相关基本概念 | 第44-45页 |
| 4.2.2 离群点处理阶段 | 第45-46页 |
| 4.2.3 密度差分聚类阶段 | 第46-48页 |
| 4.2.4 k偏好值考察 | 第48-49页 |
| 4.2.5 参数设置与影响 | 第49页 |
| 4.3 实验过程 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 实验及结果分析 | 第53-62页 |
| 5.1 实验平台和开发环境介绍 | 第53-54页 |
| 5.1.1 硬件配置和基础环境 | 第53页 |
| 5.1.2 软件工具和库的介绍 | 第53-54页 |
| 5.2 数据集及预处理 | 第54-56页 |
| 5.2.1 建立消息模型 | 第54-55页 |
| 5.2.2 分类前的连续型数据离散化 | 第55页 |
| 5.2.3 聚类前的数据偏好过滤 | 第55-56页 |
| 5.3 实验结果及对比 | 第56-61页 |
| 5.3.1 会话样本集分类 | 第56-57页 |
| 5.3.2 会话子样本集聚类 | 第57-60页 |
| 5.3.3 结果分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间所发表的学术论文 | 第68-69页 |
| 致谢 | 第69-70页 |