基于浏览行为分析的用户兴趣挖掘
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·个性化服务介绍 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·所存在的问题 | 第10-11页 |
| ·改进方向 | 第11-12页 |
| ·个性化服务总体框架 | 第12-13页 |
| ·收集用户信息 | 第13页 |
| ·分析用户文件 | 第13页 |
| ·数据挖掘技术 | 第13页 |
| ·Web挖掘技术 | 第13页 |
| ·本章小结 | 第13-14页 |
| 2 基于行为分析的个性化服务框架 | 第14-22页 |
| ·Web知识获取 | 第14-16页 |
| ·Web挖掘 | 第14-15页 |
| ·Web挖掘中较关注的问题 | 第15-16页 |
| ·用户信息需求心理行为分析 | 第16-17页 |
| ·用户信息行为及其特征 | 第16页 |
| ·内驱力理论 | 第16-17页 |
| ·行为分析相关方法介绍 | 第17-18页 |
| ·直接调查与间接调查法 | 第17-18页 |
| ·统计测量分析法 | 第18页 |
| ·相关分析法 | 第18页 |
| ·新的个性化服务系统框架 | 第18-21页 |
| ·客户工作站 | 第19-20页 |
| ·Web服务器 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于行为分析的网页兴趣度计算 | 第22-33页 |
| ·引言 | 第22页 |
| ·多元线性回归分析简介 | 第22-24页 |
| ·回归分析原理与步骤 | 第22-23页 |
| ·多元线性回归分析 | 第23-24页 |
| ·多元线性回归中的检验与预测 | 第24页 |
| ·行为数据的获取 | 第24-26页 |
| ·在客户端获取数据 | 第24-25页 |
| ·数据预处理 | 第25-26页 |
| ·基于行为分析的网页兴趣度计算 | 第26-32页 |
| ·行为数据的选取 | 第26-27页 |
| ·兴趣模型的建立 | 第27-28页 |
| ·行为参数的计算及回归方程的检验 | 第28-31页 |
| ·网页兴趣度的计算 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 用户兴趣分类及用户描述文件生成 | 第33-41页 |
| ·引言 | 第33页 |
| ·网页特征片的提取 | 第33-35页 |
| ·网页特征片 | 第33页 |
| ·关键词权重的计算方法的改进 | 第33-35页 |
| ·用户兴趣描述模型 | 第35页 |
| ·标准分类树 | 第35页 |
| ·网页分类树的生成 | 第35-37页 |
| ·用户近期兴趣视图的生成 | 第37-38页 |
| ·用户长期兴趣视图的生成 | 第38-39页 |
| ·基于兴趣视图的推荐 | 第39-40页 |
| ·基于内容的信息推荐 | 第39页 |
| ·基于协作过滤的信息推荐 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 试验 | 第41-53页 |
| ·实验系统设计与试验环境介绍 | 第41-45页 |
| ·行为参数与网页兴趣度计算 | 第45-47页 |
| ·用户兴趣视图的生成 | 第47-49页 |
| ·基于分类树的个性化推荐 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 6 结论与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录: 作者在攻读硕士学位期间发表的论文目录 | 第58-59页 |
