宽带网络用户信息挖掘
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-11页 |
| ·研究背景和意义 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 数据挖掘 | 第11-16页 |
| ·数据挖掘的目的 | 第11页 |
| ·数据挖掘的方法 | 第11-12页 |
| ·数据挖掘的一般流程 | 第12-14页 |
| ·数据挖掘环境 | 第12页 |
| ·数据挖掘过程图 | 第12-13页 |
| ·数据挖掘过程工作量 | 第13页 |
| ·数据挖掘过程简介 | 第13-14页 |
| ·数据挖掘需要的人员 | 第14页 |
| ·网络数据挖掘 | 第14-16页 |
| ·Web数据挖掘 | 第15页 |
| ·网络用户行为分析 | 第15-16页 |
| 第三章 网络用户行为分析 | 第16-25页 |
| ·网络用户行为分析的意义 | 第16-17页 |
| ·为运营商提供运营策略 | 第16页 |
| ·为内容提供商的个性化业务服务目标提供依据 | 第16页 |
| ·为商家提供营销策略 | 第16-17页 |
| ·网络用户行为分析的概念 | 第17页 |
| ·网络用户行为分析的特点 | 第17-18页 |
| ·网络用户行为分析方法简介 | 第18-25页 |
| ·用户行为分析方法 | 第18-19页 |
| ·用户行为分析内容 | 第19-21页 |
| ·用户行为分析模型 | 第21-25页 |
| 第四章 常用的海量数据处理方法研究 | 第25-29页 |
| ·海量数据处理方法研究的意义 | 第25页 |
| ·海量数据处理的难点 | 第25页 |
| ·数据的复杂性 | 第25页 |
| ·软硬件要求高 | 第25页 |
| ·要求很高的处理方法和技巧 | 第25页 |
| ·常用的海量数据处理技巧 | 第25-29页 |
| ·定制强大的清洗规则和出错处理机制 | 第25-26页 |
| ·使用采样数据进行数据挖掘 | 第26页 |
| ·选择合适的软硬件 | 第26页 |
| ·借助于数据处理工具 | 第26-27页 |
| ·程序处理海量数据 | 第27-29页 |
| 第五章 基于认证系统的网络用户行为分析 | 第29-58页 |
| ·数据处理流程 | 第29-30页 |
| ·数据处理模块 | 第30-31页 |
| ·数据源说明 | 第31-33页 |
| ·初步分析 | 第33-39页 |
| ·基于k-means算法的用户分类 | 第39-50页 |
| ·分析方法介绍 | 第39-40页 |
| ·聚类数目k值的选取 | 第40-41页 |
| ·分析结果 | 第41-49页 |
| ·结论 | 第49-50页 |
| ·基于时段喜好的用户分类 | 第50-58页 |
| ·分析方法介绍 | 第50页 |
| ·分析过程 | 第50-53页 |
| ·基于时间喜好对称的用户分群的算法 | 第53-56页 |
| ·用户喜好时间段描述与分析 | 第56-57页 |
| ·结论 | 第57-58页 |
| 第六章 展望和总结 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |
