| 摘要 | 第1-6页 |
| Abstract | 第6-17页 |
| 第一章 绪论 | 第17-24页 |
| ·研究背景 | 第17页 |
| ·论文的选题及研究意义 | 第17-18页 |
| ·研究现状和发展 | 第18-22页 |
| ·推荐系统的研究现状 | 第18-20页 |
| ·电子商务推荐的国内外应用现状 | 第20-21页 |
| ·推荐系统的发展趋势 | 第21-22页 |
| ·研究的内容及方法 | 第22-23页 |
| ·本文的组织结构 | 第23-24页 |
| 第二章 基于Web挖掘的Web个性化技术 | 第24-44页 |
| ·Web个性化技术 | 第24-25页 |
| ·基于Web挖掘的Web个性化技术的发展和应用 | 第25-31页 |
| ·基于Web挖掘的Web个性化处理过程 | 第31-33页 |
| ·基于Web挖掘的Web个性化技术分析 | 第33-40页 |
| ·关联规则 | 第33-34页 |
| ·聚类分析 | 第34-37页 |
| ·协同过滤 | 第37-39页 |
| ·其它 | 第39-40页 |
| ·推荐系统与个性化服务 | 第40-41页 |
| ·电子商务推荐系统的分类 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 基于DMX的WEB挖掘算法 | 第44-65页 |
| ·SSIS结构及功能介绍 | 第45页 |
| ·SSAS规范标准 | 第45-49页 |
| ·OLD DB For Data Mining规范 | 第45-48页 |
| ·XML for Analysis规范 | 第48页 |
| ·用于数据挖掘的SQL/Multimedia | 第48-49页 |
| ·SSAS中的多维数据模型 | 第49-56页 |
| ·星形模式 | 第51-52页 |
| ·雪花形模式 | 第52页 |
| ·OLAP立方体 | 第52-53页 |
| ·三种OLAP存储格式 | 第53-54页 |
| ·前摄缓存 | 第54-55页 |
| ·统一维度模型 | 第55-56页 |
| ·DMX语言 | 第56-62页 |
| ·DMX语句 | 第56-59页 |
| ·预测类型 | 第59-61页 |
| ·预测函数 | 第61-62页 |
| ·DMX挖掘任务 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 电子商务事务数据的预处理 | 第65-80页 |
| ·选择数据 | 第65页 |
| ·数据预处理的原因 | 第65-67页 |
| ·数据预处理 | 第67-68页 |
| ·数据预处理的基本任务 | 第68-74页 |
| ·数据清理(Data Cleaning) | 第69-71页 |
| ·数据集成(Data Integration) | 第71-72页 |
| ·数据转换(Data Transformation) | 第72-74页 |
| ·数据归约(Data Reduction) | 第74-78页 |
| ·推荐系统的数据预处理 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第五章 模型构建及评估 | 第80-111页 |
| ·定义问题 | 第80-81页 |
| ·构建模型 | 第81-89页 |
| ·模型评估 | 第89-102页 |
| ·模型训练 | 第102-104页 |
| ·模型预测 | 第104-110页 |
| ·本章小结 | 第110-111页 |
| 第六章 推荐系统的实现 | 第111-128页 |
| ·应用集成 | 第111-126页 |
| ·取得的成果 | 第126-127页 |
| ·本章小结 | 第127-128页 |
| 结论和展望 | 第128-130页 |
| 工作总结 | 第128页 |
| 进一步做的工作 | 第128-130页 |
| 参考文献 | 第130-142页 |
| 攻读学位期间发表的学术论文 | 第142-144页 |
| 致谢 | 第144-145页 |