| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第1章 引言 | 第13-20页 |
| ·研究背景 | 第13-14页 |
| ·研究意义 | 第14-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·论文的研究内容和组织结构 | 第18-20页 |
| 第2章 相关工作 | 第20-32页 |
| ·数据挖掘概述 | 第20-25页 |
| ·数据挖掘的定义 | 第20-21页 |
| ·数据挖掘的过程 | 第21-22页 |
| ·数据挖掘的任务 | 第22-25页 |
| ·高校图书馆中的数据挖掘 | 第25-29页 |
| ·数据挖掘在高校图书馆中的应用 | 第25-27页 |
| ·数据挖掘应用在高校图书馆个性化信息推荐服务的可行性分析 | 第27-29页 |
| ·图书分类相关知识——中图法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于兴趣距离的读者聚类分析 | 第32-43页 |
| ·读者兴趣距离计算方法 | 第32-36页 |
| ·图书分类索引分布树 | 第32-33页 |
| ·图书相似度与读者兴趣距离 | 第33-36页 |
| ·聚类分析算法 | 第36-42页 |
| ·聚类概述 | 第36-38页 |
| ·K-Means 算法 | 第38-39页 |
| ·基于 Anti-Kruskal 的 K-Means 聚类算法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 关联规则挖掘算法研究 | 第43-55页 |
| ·关联规则 | 第43-45页 |
| ·基本原理 | 第43-44页 |
| ·关联规则挖掘过程 | 第44-45页 |
| ·Apriori 算法 | 第45-48页 |
| ·Apriori 算法的基本思想 | 第45页 |
| ·Apriori 算法描述 | 第45-47页 |
| ·Apriori 算法的优缺点 | 第47-48页 |
| ·Apriori 改进算法——Apriori-Hash 算法 | 第48-54页 |
| ·Apriori 算法的优化策略 | 第48-49页 |
| ·Apriori-hash 算法的基本思想 | 第49-50页 |
| ·Apriori-hash 算法的步骤 | 第50-51页 |
| ·Apriori-hash 算法实例描述 | 第51-53页 |
| ·Apriori-hash 算法的性能分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 高校图书馆个性化信息推荐服务中的挖掘算法实施 | 第55-70页 |
| ·数据源的选取 | 第56-57页 |
| ·借阅数据的预处理 | 第57-64页 |
| ·借阅数据的清理 | 第58-60页 |
| ·借阅数据的集成 | 第60-62页 |
| ·数据库设计 | 第62-64页 |
| ·数据挖掘算法实施 | 第64-69页 |
| ·针对高校图书馆读者的聚类分析 | 第64-66页 |
| ·针对图书借阅数据进行关联规则挖掘 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 结论与展望 | 第70-73页 |
| ·结论 | 第70-71页 |
| ·进一步工作的方向 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第76-77页 |
