基于关联规则挖掘的Web个性化推荐研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·个性化推荐技术 | 第9-10页 |
| ·论文研究内容 | 第10页 |
| ·论文内容组织 | 第10-12页 |
| 第二章 Web挖掘与个性化推荐技术 | 第12-26页 |
| ·Web挖掘 | 第12-16页 |
| ·Web挖掘的提出 | 第12-13页 |
| ·Web挖掘的分类 | 第13-15页 |
| ·Web挖掘的基本过程 | 第15-16页 |
| ·个性化推荐 | 第16-22页 |
| ·个性化的提出 | 第16-17页 |
| ·个性化的定义 | 第17页 |
| ·个性化推荐技术 | 第17-21页 |
| ·典型的个性化推荐系统及各种推荐技术比较 | 第21页 |
| ·用户访问信息的收集方法 | 第21-22页 |
| ·用户兴趣描述(用户profile) | 第22-24页 |
| ·用户profile组织形式 | 第22-23页 |
| ·用户profile更新方式 | 第23-24页 |
| ·Web个性化推荐 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于Web挖掘的关联规则挖掘算法 | 第26-40页 |
| ·关联规则的相关描述 | 第26-27页 |
| ·关联规则挖掘的典型算法 | 第27-32页 |
| ·Apriori算法 | 第27-29页 |
| ·FP-Growth算法 | 第29-32页 |
| ·改进的页面频繁访问序列挖掘算法 | 第32-38页 |
| ·个性化推荐中关联规则特点 | 第32-33页 |
| ·改进的页面频繁访问序列挖掘算法的提出 | 第33页 |
| ·挖掘算法 | 第33-36页 |
| ·挖掘算法举例 | 第36-38页 |
| ·挖掘算法的时间、空间代价分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 利用挖掘的关联规则实现个性化推荐 | 第40-50页 |
| ·体系结构 | 第40页 |
| ·WebLog数据预处理 | 第40-43页 |
| ·推荐权值 | 第43-44页 |
| ·用户兴趣模型表示 | 第44页 |
| ·推荐步骤 | 第44-45页 |
| ·实验结果分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-51页 |
| ·工作总结 | 第50页 |
| ·未来的研究方向 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录1 攻读硕士期间发表学术论文 | 第55页 |
