| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-13页 |
| ·相关领域发展现状 | 第11-12页 |
| ·面临问题 | 第12-13页 |
| ·数据挖掘简介 | 第13-15页 |
| ·电子商务简介 | 第15-17页 |
| ·本文工作 | 第17-18页 |
| 第2章 数据挖掘和 WEB数据挖掘技术 | 第18-24页 |
| ·数据挖掘技术 | 第18-19页 |
| ·Web数据挖掘技术 | 第19-22页 |
| ·Web挖掘分类 | 第20-22页 |
| Web内容挖掘 | 第20-21页 |
| Web结构挖掘 | 第21-22页 |
| Web使用模式挖掘 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第3章 WEB使用挖掘 | 第24-37页 |
| ·Web使用挖掘的特点 | 第24页 |
| ·Web使用挖掘的意义 | 第24-25页 |
| ·Web使用挖掘的数据源 | 第25-26页 |
| ·Web使用挖掘的数据预处理 | 第26-29页 |
| ·数据转换(Data conversion) | 第26页 |
| ·数据清理(Data cleaning) | 第26-27页 |
| ·用户识别(User identification) | 第27页 |
| ·会话识别(Session identification) | 第27页 |
| ·事务识别(Transaction Identification) | 第27-28页 |
| ·数据格式化(Data Formating) | 第28页 |
| ·用户兴趣度量 | 第28-29页 |
| ·使用挖掘 Apriori改进算法 | 第29-34页 |
| ·Apriori算法改进 | 第31-34页 |
| ·模式应用及商业挖掘系统 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 电子商务网站中的推荐技术 | 第37-46页 |
| ·推荐技术 | 第37页 |
| ·推荐系统算法 | 第37-39页 |
| ·基于修正评分矩阵的协同推荐算法 | 第39-45页 |
| ·已有算法的分析 | 第39-40页 |
| ·协同过滤算法的改进 | 第40-41页 |
| ·隐式兴趣度的获取 | 第41-43页 |
| ·基于语义分类信息的评分矩阵降维 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 电子商务网站优化 | 第46-59页 |
| ·服务器数据 | 第48-49页 |
| ·应用技术分析 | 第49-58页 |
| ·关联规则的发现 | 第51-53页 |
| ·序列模式的发现 | 第53-56页 |
| ·分类发现 | 第56页 |
| ·聚类分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 全文总结 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
