| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 本文研究内容及结构 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 论文结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 相关理论及技术 | 第17-28页 |
| 2.1 用户行为分析 | 第17-18页 |
| 2.2 数据挖掘 | 第18-21页 |
| 2.3 Web数据挖掘 | 第21-24页 |
| 2.3.1 Web挖掘定义 | 第21-22页 |
| 2.3.2 Web挖掘分类 | 第22-24页 |
| 2.4 相关算法 | 第24-27页 |
| 2.4.1 最大前向引用算法（MFR） | 第24页 |
| 2.4.2 Apriori算法 | 第24-26页 |
| 2.4.3 AprioriAll序列模式挖掘算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 系统总体设计 | 第28-38页 |
| 3.1 设计目标 | 第28页 |
| 3.2 系统功能概述 | 第28-31页 |
| 3.3 系统总体设计 | 第31-32页 |
| 3.4 网络结构 | 第32-33页 |
| 3.5 数据库设计 | 第33-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 用户行为分析算法的研究 | 第38-57页 |
| 4.1 引言 | 第38页 |
| 4.2 数据来源及格式说明 | 第38-39页 |
| 4.3 数据预处理 | 第39-44页 |
| 4.3.1 数据净化 | 第40-41页 |
| 4.3.2 用户识别 | 第41-42页 |
| 4.3.3 会话识别 | 第42-43页 |
| 4.3.4 路径补充 | 第43页 |
| 4.3.5 事务识别 | 第43-44页 |
| 4.4 数据挖掘算法 | 第44-54页 |
| 4.4.1 改进的AprioriAll算法 | 第44-47页 |
| 4.4.2 基于用户浏览路径和用户浏览兴趣的用户聚类算法 | 第47-54页 |
| 4.5 算法流程 | 第54-56页 |
| 4.5.1 序列模式挖掘 | 第54-55页 |
| 4.5.2 用户聚类 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 用户行为分析系统的实现 | 第57-74页 |
| 5.1 系统总体实现 | 第57-58页 |
| 5.2 数据预处理模块的实现 | 第58-66页 |
| 5.2.1 数据净化 | 第59-60页 |
| 5.2.2 用户识别 | 第60-62页 |
| 5.2.3 会话识别 | 第62-63页 |
| 5.2.4 路径补充和事务识别 | 第63-66页 |
| 5.3 序列模式挖掘实现 | 第66-69页 |
| 5.4 用户聚类实现 | 第69-73页 |
| 5.4.1 基于浏览路径相似度的聚类算法实现 | 第69-71页 |
| 5.4.2 基于浏览兴趣的聚类算法实现 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 系统测试 | 第74-83页 |
| 6.1 测试环境 | 第74页 |
| 6.2 测试方法 | 第74-76页 |
| 6.3 实验结果 | 第76-80页 |
| 6.3.1 序列模式挖掘 | 第76-77页 |
| 6.3.2 用户聚类 | 第77-80页 |
| 6.4 实验结果分析与讨论 | 第80-82页 |
| 6.4.1 序列模式 | 第80-81页 |
| 6.4.2 用户聚类 | 第81-82页 |
| 6.5 本章小结 | 第82-83页 |
| 总结与展望 | 第83-85页 |
| 工作总结 | 第83页 |
| 工作展望 | 第83-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88-89页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第89-90页 |
| 答辩委员会对论文的评定意见 | 第90页 |