基于点击流分析的电子商务智能决策支持系统
| 第1章 概述 | 第1-21页 |
| ·决策支持系统的发展过程 | 第9-10页 |
| ·电子商务智能决策支持系统 | 第10-18页 |
| ·产生背景 | 第10-11页 |
| ·关键技术 | 第11-18页 |
| ·国内外发展现状 | 第18页 |
| ·本文的研究意义 | 第18-19页 |
| ·本文的研究内容及论文组织 | 第19-21页 |
| 第2章 电子商务智能决策支持系统的设计 | 第21-27页 |
| ·系统的体系结构设计 | 第21-23页 |
| ·系统的功能模块介绍 | 第23-24页 |
| ·系统的运行机制 | 第24-27页 |
| 第3章 点击流数据预处理模块的设计与实现 | 第27-42页 |
| ·点击流数据预处理概述 | 第27-31页 |
| ·点击流分析中的相关名词术语 | 第27-29页 |
| ·点击流数据预处理的必要性 | 第29页 |
| ·点击流数据预处理的一般过程 | 第29-30页 |
| ·点击流数据预处理的难点 | 第30-31页 |
| ·点击流数据预处理方法的设计 | 第31-38页 |
| ·数据的收集 | 第31-33页 |
| ·数据的清洗 | 第33-34页 |
| ·用户识别 | 第34-36页 |
| ·用户访问会话事务识别 | 第36-38页 |
| ·用户会话事务的完善 | 第38页 |
| ·点击流数据预处理方法的实现 | 第38-41页 |
| ·相关库表的设计 | 第38-39页 |
| ·实时预处理的算法流程 | 第39-41页 |
| ·预处理方法的评价 | 第41-42页 |
| 第4章 点击流分析中数据概化方法的研究与实现 | 第42-56页 |
| ·数据概化方法概述 | 第42-47页 |
| ·数据概化的必要性 | 第42-43页 |
| ·数据概化的一般方法 | 第43-44页 |
| ·面向属性的数据规约方法 | 第44-47页 |
| ·点击流分析中面向属性归纳方法的研究与实现 | 第47-55页 |
| ·问题分析与解决 | 第47-49页 |
| ·相关库表的设计 | 第49-50页 |
| ·算法研究与实现 | 第50-54页 |
| ·结果表示与评价 | 第54-55页 |
| ·点击流数据概化的优点 | 第55-56页 |
| 第5章 点击流分析中关联规则挖掘算法的设计与实现 | 第56-70页 |
| ·关联规则挖掘概述 | 第56-60页 |
| ·相关概念介绍 | 第56-57页 |
| ·关联规则挖掘的一般过程 | 第57-59页 |
| ·关联规则挖掘算法比较研究 | 第59-60页 |
| ·点击流分析中混合维关联规则挖掘算法的设计与实现 | 第60-69页 |
| ·问题分析 | 第60-62页 |
| ·相关库表设计 | 第62-63页 |
| ·算法设计与实现 | 第63-69页 |
| ·混合维关联规则挖掘的优点 | 第69-70页 |
| 第6章 系统运行 | 第70-77页 |
| ·问题说明 | 第70-71页 |
| ·系统特点 | 第71页 |
| ·系统运行 | 第71-77页 |
| ·产品访问兴趣度运行结果 | 第72-73页 |
| ·产品意向关联度运行结果 | 第73-77页 |
| 第7章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·进一步的工作 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻读学位期间发表的学术论文 | 第83页 |
