| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 用户Web浏览行为模式研究现状 | 第11-12页 |
| 1.2.2 匿名用户识别研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13页 |
| 1.4 论文结构框架及内容安排 | 第13-15页 |
| 2 相关基础知识 | 第15-26页 |
| 2.1 概率论与贝叶斯定理 | 第15-16页 |
| 2.2 贝叶斯网络概念及组成结构 | 第16-18页 |
| 2.2.1 基本概念 | 第16-17页 |
| 2.2.2 组成结构 | 第17-18页 |
| 2.3 贝叶斯网络模型学习算法 | 第18-22页 |
| 2.3.1 贝叶斯网络的结构学习 | 第18-20页 |
| 2.3.2 贝叶斯网络的参数学习 | 第20-22页 |
| 2.4 贝叶斯网络模型概率推理及应用 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 基于贝叶斯网络模型的用户Web行为模式挖掘 | 第26-45页 |
| 3.1 用户Web行为数据分析及相关定义 | 第26-29页 |
| 3.2 基于用户Web行为数据的贝叶斯网络模型构建 | 第29-42页 |
| 3.2.1 基于BN模型的网络结构构建 | 第29-33页 |
| 3.2.2 基于BN模型的网络参数计算 | 第33-35页 |
| 3.2.3 基于BN模型的用户Web行为模式分析 | 第35-42页 |
| 3.3 基于BN模型的用户模式准确率评估 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 基于Web行为模式的聚类和索引模型构建 | 第45-55页 |
| 4.1 用户Web行为模式特征分析 | 第45-46页 |
| 4.2 用户Web浏览行为模式的聚类 | 第46-51页 |
| 4.2.1 用户Web行为模式聚类的K值选取 | 第46-50页 |
| 4.2.2 基于k-means算法的用户Web行为模式聚类 | 第50-51页 |
| 4.3 基于聚类结果的BN类别索引模型构建 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 匿名用户识别 | 第55-63页 |
| 5.1 匿名用户Web行为模式的类别匹配 | 第55-59页 |
| 5.1.1 匿名用户模型标签数据的提取 | 第55-56页 |
| 5.1.2 匿名用户模型的类别匹配 | 第56-59页 |
| 5.2 基于模式类别的匿名用户预测 | 第59-60页 |
| 5.3 基于站点时间权重的匿名用户识别 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |