| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-9页 |
| 第1章 引言 | 第9-15页 |
| 1.1 问题的提出 | 第9页 |
| 1.2 选题背景及意义 | 第9-10页 |
| 1.3 个性化信息推荐研究现状 | 第10-13页 |
| 1.3.1 国内外个性化信息推荐技术研究现状： | 第10-11页 |
| 1.3.2 传统个性化推荐方法 | 第11-13页 |
| 1.4 本文的研究方法 | 第13-14页 |
| 1.5 论文结构安排 | 第14-15页 |
| 第2章 个性化推荐相关技术研究 | 第15-36页 |
| 2.1 个性化推荐技术的含义 | 第15页 |
| 2.2 Web 挖掘 | 第15-18页 |
| 2.2.1 Web 挖掘含义 | 第15-16页 |
| 2.2.2 Web 信息的特点 | 第16-17页 |
| 2.2.3 Web 挖掘的研究内容 | 第17-18页 |
| 2.3 Web 个性化信息推荐一般流程 | 第18-21页 |
| 2.4 基于 web 挖掘的个性化信息推荐方法分析 | 第21-29页 |
| 2.4.1 基于关联规则的个性化推荐 | 第21-24页 |
| 2.4.2 基于序列模式的个性化推荐 | 第24-27页 |
| 2.4.3 user-based 协作过滤的个性化推荐 | 第27-29页 |
| 2.5 基于 Web 使用挖掘的数据预处理方法 | 第29-36页 |
| 2.5.1 数据过滤 | 第29页 |
| 2.5.2 用户识别 | 第29-31页 |
| 2.5.3 会话识别 | 第31-33页 |
| 2.5.4 路径补充 | 第33-36页 |
| 第3章 基于页面聚类的个性化推荐方法 | 第36-49页 |
| 3.1 聚类概述 | 第36-40页 |
| 3.1.1 聚类概念 | 第36页 |
| 3.1.2 经典聚类算法介绍 | 第36-37页 |
| 3.1.3 聚类算法的评价 | 第37-40页 |
| 3.2 使用传统聚类方法进行页面聚类存在的问题 | 第40页 |
| 3.3 一种新的聚类算法—合并聚类算法 | 第40-44页 |
| 3.3.1 Web 用户访问兴趣的表示方法 | 第41-42页 |
| 3.3.2 合并聚类算法 | 第42-44页 |
| 3.4 页面推荐算法 | 第44-46页 |
| 3.4.1 计算推荐得分 | 第44-45页 |
| 3.4.2 推荐算法描述 | 第45-46页 |
| 3.5 算法实验 | 第46-49页 |
| 第4章 个性化推荐系统设计与实现 | 第49-62页 |
| 4.1 个性化推荐系统结构 | 第49-50页 |
| 4.2 个性化推荐系统工作流程 | 第50-55页 |
| 4.2.1 网络监控 | 第52页 |
| 4.2.2 准备数据 | 第52-53页 |
| 4.2.3 更新访问信息 | 第53-55页 |
| 4.2.4 页面聚类 | 第55页 |
| 4.2.5 产生推荐页面 | 第55页 |
| 4.3 个性化推荐系统的特点 | 第55-56页 |
| 4.4 个性化推荐系统实验室测试 | 第56-61页 |
| 4.4.1 Apache 简介 | 第56-57页 |
| 4.4.2 Apache 服务器的安装 | 第57-58页 |
| 4.4.3 Apache 模块定义 | 第58-59页 |
| 4.4.4 实验配置 | 第59-60页 |
| 4.4.5 测试响应时间 | 第60-61页 |
| 4.5 实验效果分析 | 第61-62页 |
| 第5章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历 | 第67页 |