| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·引言 | 第8-9页 |
| ·推送技术的研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·推送技术的优势与不足 | 第11-12页 |
| ·智能主题推送技术 | 第12页 |
| ·课题背景及研究意义 | 第12-14页 |
| ·本文主要研究内容和组织结构 | 第14-16页 |
| 第二章 智能主题推送技术理论基础 | 第16-21页 |
| ·数据挖掘知识 | 第16-18页 |
| ·数据挖掘概念和过程 | 第16-17页 |
| ·数据挖掘的主要技术方法 | 第17-18页 |
| ·Web挖掘知识 | 第18-20页 |
| ·Web挖掘的基本概念 | 第18页 |
| ·Web挖掘的分类 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 Web日志挖掘预处理的研究 | 第21-37页 |
| ·Web日志数据采集 | 第21-23页 |
| ·Web日志挖掘预处理 | 第23-34页 |
| ·数据清洗 | 第24-25页 |
| ·用户识别 | 第25-28页 |
| ·会话识别 | 第28-31页 |
| ·路径填充 | 第31-33页 |
| ·事务识别 | 第33-34页 |
| ·实验结果分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 模糊聚类算法的研究 | 第37-46页 |
| ·模糊聚类 | 第37-40页 |
| ·k-均值聚类(HKM)算法 | 第40-41页 |
| ·模糊k-均值聚类(FKM)算法 | 第41-42页 |
| ·模糊k-均值聚类算法的改进 | 第42-44页 |
| ·实验结果分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 综合风险用户访问模式挖掘及推送算法 | 第46-58页 |
| ·基于模糊聚类的用户访问模式挖掘 | 第46-52页 |
| ·构建基于用户浏览兴趣度的User-URL矩阵 | 第47-48页 |
| ·构建基于用户主题兴趣度的User-Subject矩阵 | 第48-50页 |
| ·原始数据标准化 | 第50页 |
| ·构建模糊相似矩阵 | 第50-51页 |
| ·用户聚类 | 第51页 |
| ·实例分析 | 第51-52页 |
| ·基于模糊聚类的协同过滤推送算法 | 第52-56页 |
| ·用户主题兴趣度收集 | 第54页 |
| ·用户相似性计算 | 第54-55页 |
| ·生成推送集 | 第55-56页 |
| ·推送算法描述 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 综合风险智能主题推送系统的设计和实现 | 第58-67页 |
| ·综合风险智能主题推送系统 | 第58-59页 |
| ·系统总体框架设计 | 第58页 |
| ·系统特点 | 第58-59页 |
| ·系统功能模块设计 | 第59-63页 |
| ·预处理模块设计 | 第59-61页 |
| ·模式挖掘模块设计 | 第61-62页 |
| ·模式分析模块设计 | 第62-63页 |
| ·主题推送服务模块设计 | 第63页 |
| ·系统开发与运行环境 | 第63页 |
| ·开发环境 | 第63页 |
| ·运行环境 | 第63页 |
| ·系统运行结果 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| ·本文工作总结 | 第67页 |
| ·前景展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 硕士期间发表论文及参加项目 | 第74页 |