| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-17页 |
| ·课题研究背景 | 第13-14页 |
| ·数据挖掘的概念 | 第13页 |
| ·用户兴趣模型的概念 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·课题研究内容 | 第15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 数据挖掘相关理论及技术 | 第17-25页 |
| ·数据挖掘技术 | 第17-20页 |
| ·数据挖掘步骤 | 第17-18页 |
| ·数据挖掘功能 | 第18-20页 |
| ·关联规则及算法 | 第20-24页 |
| ·关联规则概念 | 第20-21页 |
| ·经典关联规则挖掘算法 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 用户推荐系统相关理论及方法改进 | 第25-31页 |
| ·用户推荐系统表示 | 第25-27页 |
| ·基于内容的表示Content-Based filtering(CB) | 第25-26页 |
| ·基于协作的表示Collaborative Filtering(CF) | 第26-27页 |
| ·用户推荐混合技术及其改进 | 第27-29页 |
| ·用户推荐混合技术 | 第27-28页 |
| ·用户推荐混合技术改进 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 基于用户兴趣的FP-TREE算法的改进 | 第31-41页 |
| ·MWFP------Min-weighted FP-tree | 第31-35页 |
| ·MWFP算法和原有相关算法的结论比较 | 第35-37页 |
| ·MWFP算法和原有相关算法的效率比较 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 数据挖掘在教评价中的应用 | 第41-53页 |
| ·根据教评信息构建用户兴趣权重系统 | 第42-45页 |
| ·数据预处理 | 第43-44页 |
| ·数据转换 | 第44-45页 |
| ·MWFP算法在教评系统中的实验结果及分析 | 第45-51页 |
| ·算法实验结果比较 | 第45-47页 |
| ·效率分析 | 第47页 |
| ·使用聚类预处理数据 | 第47-48页 |
| ·结果分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 总结和展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·工作展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-59页 |
| 研究成果及发表的学术论文 | 第59-61页 |
| 作者和导师简介 | 第61-62页 |
| 附录 | 第62-63页 |
