基于Web日志的用户访问模式挖掘的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-19页 |
| ·课题研究的背景及意义 | 第12-14页 |
| ·课题研究的背景 | 第12-13页 |
| ·课题研究的意义 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·数据预处理的国内外研究现状 | 第14页 |
| ·模式发现的国内外研究现状 | 第14-15页 |
| ·模式分析的国内外研究现状 | 第15-16页 |
| ·论文的主要研究内容 | 第16-17页 |
| ·论文的组织结构 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第2章 数据预处理 | 第19-31页 |
| ·Web 使用挖掘概述 | 第19-22页 |
| ·Web 使用挖掘的概念和应用 | 第19-20页 |
| ·Web 日志的内容 | 第20-22页 |
| ·Web 使用挖掘的过程 | 第22页 |
| ·数据预处理 | 第22-30页 |
| ·数据清洗 | 第23-25页 |
| ·用户识别 | 第25-26页 |
| ·会话识别 | 第26-27页 |
| ·路径补充 | 第27-28页 |
| ·事务识别 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于关联规则的用户频繁访问模式挖掘 | 第31-47页 |
| ·用户频繁访问模式 | 第31页 |
| ·关联规则概述 | 第31-33页 |
| ·关联规则的概念和形式定义 | 第31-33页 |
| ·支持度 | 第33页 |
| ·置信度 | 第33页 |
| ·关联规则挖掘算法 | 第33-39页 |
| ·Apriori 算法 | 第34-35页 |
| ·对Apriori 算法经典改进的介绍 | 第35-36页 |
| ·FP 增长算法 | 第36-39页 |
| ·基于有趣度的改进的关联规则挖掘算法 | 第39-46页 |
| ·已有的有趣度定义 | 第40页 |
| ·本文提出的有趣度定义 | 第40-41页 |
| ·改进的算法 | 第41-43页 |
| ·实验结果 | 第43-44页 |
| ·实例分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于聚类分析的群体用户访问模式发现 | 第47-59页 |
| ·聚类 | 第47-49页 |
| ·聚类的类型 | 第47-48页 |
| ·聚类的应用 | 第48-49页 |
| ·页面聚类 | 第49-50页 |
| ·用户聚类 | 第50-58页 |
| ·用户特征选取 | 第52-53页 |
| ·用户相似度计算 | 第53-55页 |
| ·基于用户浏览路径的聚类 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 Web 用户访问模式挖掘系统 | 第59-69页 |
| ·系统总体结构 | 第59页 |
| ·系统各模块分析 | 第59-68页 |
| ·数据预处理模块 | 第60-64页 |
| ·用户频繁访问路径挖掘模块 | 第64-66页 |
| ·用户聚类模块 | 第66页 |
| ·模式分析与应用模块 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 论文工作总结 | 第69页 |
| 研究展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75-76页 |
| 大摘要 | 第76-80页 |
