基于WUM个性化推荐方法研究
| 第一章 绪论 | 第1-15页 |
| ·研究背景 | 第11-12页 |
| ·电子商务的发展与个性化服务 | 第11-12页 |
| ·Web使用挖掘 | 第12页 |
| ·个性化推荐与Web使用挖掘 | 第12页 |
| ·研究意义 | 第12-14页 |
| ·面向群体访问者 | 第13页 |
| ·面向群体的每一个访问者 | 第13-14页 |
| ·本文主要研究内容及结构 | 第14-15页 |
| 第二章 Web使用挖掘 | 第15-26页 |
| ·Web使用挖掘数据预处理 | 第16-19页 |
| ·源数据收集 | 第16页 |
| ·使用数据预处理 | 第16-19页 |
| ·内容预处理 | 第19页 |
| ·结构预处理 | 第19页 |
| ·模式发现 | 第19-22页 |
| ·统计分析方法 | 第20页 |
| ·路径分析方法 | 第20页 |
| ·关联规则 | 第20-21页 |
| ·序列模式 | 第21页 |
| ·分类 | 第21页 |
| ·聚类 | 第21-22页 |
| ·依赖性建模 | 第22页 |
| ·模式分析 | 第22-23页 |
| ·WUM模式应用 | 第23-24页 |
| ·个性化服务与定制 | 第23页 |
| ·商业智能 | 第23-24页 |
| ·改善站点性能 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 个性化推荐方法研究 | 第26-35页 |
| ·电子商务推荐系统 | 第26-27页 |
| ·电子商务推荐系统的作用 | 第26-27页 |
| ·电子商务推荐系统的组成 | 第27页 |
| ·推荐技术 | 第27-31页 |
| ·主要推荐技术 | 第28-30页 |
| ·推荐技术比较 | 第30页 |
| ·组合推荐 | 第30-31页 |
| ·推荐评价 | 第31页 |
| ·主要研究热点问题 | 第31-33页 |
| ·稀疏问题 | 第32页 |
| ·冷开始问题 | 第32页 |
| ·奇异发现问题 | 第32页 |
| ·健壮性分析 | 第32页 |
| ·评价数据模型 | 第32-33页 |
| ·国内电子商务个性化推荐研究和应用现状 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于蚁群算法与粗糙集理论的推荐方法研究 | 第35-47页 |
| ·蚁群优化算法 | 第35-37页 |
| ·基于蚁群算法的推荐方法 | 第37-40页 |
| ·Web站点模型 | 第37-38页 |
| ·群体用户导航模型 | 第38-39页 |
| ·挖掘偏好导航路径的算法 | 第39-40页 |
| ·基于粗糙集理论的推荐方法 | 第40-45页 |
| ·粗糙集理论 | 第40-41页 |
| ·基于蚁群算法的属性约简 | 第41-44页 |
| ·基于粗糙集理论的用户转移概率 | 第44-45页 |
| ·基于粗糙集与蚁群优化的推荐方法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-52页 |
| ·本文研究总结 | 第47-49页 |
| ·个性化推荐方法研究面临的问题 | 第49-50页 |
| ·个性化推荐未来展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
