基于用户行为挖掘的推荐算法改进及应用研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题的研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·推荐系统的研究现状 | 第9-12页 |
| ·序列模式挖掘的研究现状 | 第12-14页 |
| ·课题研究的主要内容 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 关联分析 | 第16-28页 |
| ·基本概念和挖掘过程 | 第16-18页 |
| ·关联规则的发现算法 | 第18-22页 |
| ·算法Apriori | 第18-19页 |
| ·算法Apriori的改进算法 | 第19-21页 |
| ·基于FP-Tree树的FP-Growth算法 | 第21-22页 |
| ·关联规则的扩展 | 第22-25页 |
| ·多层次关联规则 | 第22-23页 |
| ·多维关联规则 | 第23页 |
| ·定量关联规则 | 第23-24页 |
| ·加权关联规则 | 第24页 |
| ·序列模式分析 | 第24-25页 |
| ·关联规则的价值衡量 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于序列模式的数据挖掘 | 第28-44页 |
| ·基本定义和数据类型 | 第28-31页 |
| ·基本概念 | 第28-29页 |
| ·数据源的形式 | 第29-31页 |
| ·序列模式的发现 | 第31-32页 |
| ·基于序列模式的挖掘算法 | 第32-39页 |
| ·类Apriori算法 | 第33-34页 |
| ·GSP算法 | 第34-35页 |
| ·PrefixSpan算法 | 第35-39页 |
| ·基于有向图的序列模式相似性研究 | 第39-43页 |
| ·序列模式相似度的提出 | 第39-40页 |
| ·基于有向图的时间序列相似性研究 | 第40-41页 |
| ·基于有向图的时间相似性计算应用 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于时间间隔和点击量的CTSP算法 | 第44-52页 |
| ·PrefixSpan 算法背景 | 第44-45页 |
| ·CTSP算法基本概念 | 第45页 |
| ·基于时间间隔和点击量的CTSP算法 | 第45-48页 |
| ·CTSP 算法数据存储类型 | 第45-46页 |
| ·属性权重的计算 | 第46页 |
| ·CTSP算法描述 | 第46-48页 |
| ·基于时间间隔和点击量的CTSP算法应用 | 第48-49页 |
| ·实验验证及性能分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文目录 | 第59-60页 |
| 个人简介 | 第60-61页 |
