数据挖掘在用户行为分析中的研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题来源及研究的意义 | 第9-10页 |
| ·国内、外研究现状 | 第10-13页 |
| ·数据挖掘概述 | 第10-11页 |
| ·数据挖掘技术现状 | 第11-12页 |
| ·数据挖掘与OLAP分析 | 第12页 |
| ·数据挖掘与数据仓库的关系 | 第12-13页 |
| ·论文的内容结构 | 第13-15页 |
| 第二章 相关理论及技术 | 第15-26页 |
| ·数据挖掘 | 第15-18页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·数据挖掘的步骤 | 第16-18页 |
| ·Web数据挖掘 | 第18-20页 |
| ·Web数据挖掘概述 | 第18-19页 |
| ·Web挖掘流程 | 第19-20页 |
| ·本文涉及的主要数据挖掘算法 | 第20-24页 |
| ·聚类 | 第20-21页 |
| ·决策树算法 | 第21页 |
| ·关联规则算法 | 第21-23页 |
| ·时间序列算法 | 第23-24页 |
| ·远程教育教与学再度整合理论 | 第24-26页 |
| 第三章 用户行为分析通用挖掘模型 | 第26-29页 |
| ·用户行为分析通用挖掘模型系统 | 第26-27页 |
| ·用户行为分析的常用数据挖掘算法 | 第27-29页 |
| 第四章 运营商VIP客户用户行为分析 | 第29-39页 |
| ·研究目的 | 第29页 |
| ·研究对象及工作流程 | 第29-30页 |
| ·数据来源及类别 | 第30页 |
| ·专题分析 | 第30-39页 |
| ·基于决策树的VIP客户业务定制分析 | 第30-33页 |
| ·基于时序算法的各级别用户每日业务收益预测分析 | 第33-36页 |
| ·基于时序算法的各级别用户每月业务收益预测分析 | 第36-39页 |
| 第五章 远程教育学生用户行为分析 | 第39-51页 |
| ·研究目的 | 第39-40页 |
| ·个性化远程教育 | 第40-44页 |
| ·构建个性化远程教育系统模型 | 第40-42页 |
| ·挖掘技术在个性化远程教育中的应用 | 第42-43页 |
| ·数据来源及数据处理 | 第43-44页 |
| ·专题分析 | 第44-51页 |
| ·基于关联规则算法的知识点关联分析 | 第44-47页 |
| ·基于聚类算法的关键字检索分析 | 第47-51页 |
| 第六章 总结 | 第51-53页 |
| ·论文总结 | 第51页 |
| ·进一步的研究方向 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 附录1 | 第56-60页 |
| 作者攻读学位期间发表的学术论文目录 | 第60页 |
