| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究目的及意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 第2章 数据挖掘及关联规则概述 | 第16-26页 |
| 2.1 数据挖掘概述 | 第16-19页 |
| 2.1.1 数据挖掘定义 | 第17页 |
| 2.1.2 数据挖掘的过程 | 第17-18页 |
| 2.1.3 数据挖掘基本方法 | 第18-19页 |
| 2.2 关联规则概述 | 第19-24页 |
| 2.2.1 基本定义 | 第20-21页 |
| 2.2.2 关联规则提取流程 | 第21-22页 |
| 2.2.3 关联规则分类 | 第22-23页 |
| 2.2.4 主要应用 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 关联规则经典算法分析 | 第26-34页 |
| 3.1 Apriori算法思想 | 第26-27页 |
| 3.2 Apriori算法描述 | 第27-28页 |
| 3.3 Apriori算法案例 | 第28-30页 |
| 3.4 Apriori算法性能分析 | 第30-31页 |
| 3.5 Apriori算法现有的优化改进 | 第31-32页 |
| 3.5.1 基于hash的方法 | 第31页 |
| 3.5.2 基于分片的并行方法 | 第31-32页 |
| 3.5.3 基于采样的方法 | 第32页 |
| 3.6 本章小结 | 第32-34页 |
| 第4章 RecNon：一种支持推荐非空率的关联规则推荐算法 | 第34-42页 |
| 4.1 K-pre算法思想 | 第34-35页 |
| 4.2 K-pre算法所依据的性质 | 第35-36页 |
| 4.3 K-pre算法描述 | 第36-38页 |
| 4.4 K-pre算法实例分析 | 第38-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第5章 实验设计与结果分析 | 第42-50页 |
| 5.1 实验数据集 | 第42页 |
| 5.2 度量标准及试验参数配置 | 第42-43页 |
| 5.2.1 评价标准 | 第42-43页 |
| 5.2.2 环境配置 | 第43页 |
| 5.3 推荐效果比较 | 第43-48页 |
| 5.4 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-58页 |
| 致谢 | 第58页 |