基于用户类属的WEB个性化导航页的研究及实现
| 第一章 绪论 | 第1-14页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·本文研究的内容和意义 | 第12-13页 |
| ·本文内容的安排 | 第13-14页 |
| 第二章 理论基础 | 第14-20页 |
| ·数据挖掘 | 第14-16页 |
| ·数据挖掘产生的背景 | 第14页 |
| ·数据挖掘的基本概念 | 第14-15页 |
| ·数据挖掘的步骤 | 第15-16页 |
| ·数据挖掘的方法 | 第16页 |
| ·WEB挖掘 | 第16-19页 |
| ·WEB挖掘的定义 | 第16页 |
| ·WEB数据挖掘的分类 | 第16-17页 |
| ·WEB使用挖掘的处理过程 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 系统实现目标及推荐策略综述 | 第20-28页 |
| ·系统实现目标 | 第20-22页 |
| ·问题的提出 | 第20-22页 |
| ·系统实现目标 | 第22页 |
| ·系统推荐策略 | 第22-27页 |
| ·注册用户和匿名用户 | 第22-23页 |
| ·主观用户和客观用户 | 第23页 |
| ·样本老用户，普通老用户和新用户 | 第23-24页 |
| ·各用户类属关系 | 第24页 |
| ·具体策略简述 | 第24-26页 |
| ·策略流程图 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 主观用户的个性化定制 | 第28-35页 |
| ·实现的目的和内容 | 第28页 |
| ·适合的用户对象 | 第28页 |
| ·具体的实现方法 | 第28-29页 |
| ·举例说明 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 针对老用户的聚类分析 | 第35-47页 |
| ·聚类分析的基础知识 | 第35-37页 |
| ·聚类的概念 | 第35页 |
| ·聚类分析算法的方法种类 | 第35页 |
| ·聚类分析常用的初始化处理 | 第35-37页 |
| ·相似度的度量 | 第37页 |
| ·样本老用户的归类 | 第37-45页 |
| ·数据初始化工作 | 第38-39页 |
| ·使用K-MEAN分区聚类法 | 第39-43页 |
| ·使用增量聚类法 | 第43-45页 |
| ·普通老用户的归类 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 针对新用户的分类分析 | 第47-60页 |
| ·分类分析的基础知识 | 第47页 |
| ·分类的概念 | 第47页 |
| ·分类分析算法的方法种类 | 第47页 |
| ·新用户的归类 | 第47-54页 |
| ·使用贝叶斯法 | 第47-50页 |
| ·使用决策树法 | 第50-54页 |
| ·用户注册信息表的构建 | 第54-59页 |
| ·特征归约的原因 | 第54页 |
| ·特征归约的方法 | 第54-56页 |
| ·特征归约的实例 | 第56-58页 |
| ·特征离散化(ChiMerge技术) | 第58-59页 |
| ·用户注册信息表的构建全过程 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第七章 匿名用户的识别 | 第60-64页 |
| ·与注册用户的区别 | 第60页 |
| ·用户识别一般采用的方法 | 第60-61页 |
| ·本系统中针对匿名用户采用的用户识别方法 | 第61-62页 |
| ·Cookie识别的具体使用 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第八章 相关实验 | 第64-74页 |
| ·系统架构 | 第64-65页 |
| ·系统实现平台 | 第65页 |
| ·用户访问模式挖掘部分(离线处理部分) | 第65-69页 |
| ·站点网页调整部分(在线处理部分) | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 结束语 | 第74-75页 |
| 总结 | 第74页 |
| 进一步工作 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士期间发表论文 | 第80页 |
