关联规则算法研究及其在汽车销售网站的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-11页 |
| 一、研究背景及意义 | 第8-9页 |
| 二、国内外研究的现状 | 第9-10页 |
| 三、本文研究的主要内容 | 第10页 |
| 四、本文的组织结构 | 第10-11页 |
| 1 Web使用挖掘综述 | 第11-23页 |
| ·Web数据挖掘 | 第11-13页 |
| ·Web数据挖掘的概念 | 第11页 |
| ·Web数据挖掘的分类 | 第11-13页 |
| ·Web使用挖掘 | 第13-16页 |
| ·Web使用挖掘的数据源 | 第13-14页 |
| ·日志文件的数据格式 | 第14-15页 |
| ·Web使用挖掘的过程 | 第15-16页 |
| ·数据预处理的研究 | 第16-23页 |
| ·数据净化 | 第16-18页 |
| ·用户识别 | 第18-20页 |
| ·会话识别 | 第20-21页 |
| ·路径补充 | 第21页 |
| ·事务识别 | 第21-23页 |
| 2 基于关联规则改进的推荐算法研究 | 第23-35页 |
| ·关联规则概述 | 第23-26页 |
| ·关联规则定义及分类 | 第23-25页 |
| ·关联规则的应用 | 第25-26页 |
| ·经典Apriori算法 | 第26-27页 |
| ·FP-growth算法 | 第27-31页 |
| ·基于关联规则的页面推荐算法分析 | 第31-35页 |
| ·一支持数下k关联规则的思想 | 第31-32页 |
| ·推荐算法中项集的存储结构 | 第32页 |
| ·原有推荐算法所存在的问题 | 第32-33页 |
| ·推荐算法的改进策略 | 第33-35页 |
| 3 页面推荐算法——IFST算法 | 第35-44页 |
| ·IFST算法 | 第35-38页 |
| ·IFreq-set-Tree的生成 | 第35-36页 |
| ·IFreq-Set-Tree的更新 | 第36-37页 |
| ·完整的IFST算法描述 | 第37-38页 |
| ·算法实例分析 | 第38-41页 |
| ·算法的实现与比较 | 第41-44页 |
| 4 关联规则挖掘算法在汽车销售网站的应用 | 第44-55页 |
| ·Web个性化服务 | 第44-45页 |
| ·个性化信息服务的概念 | 第44页 |
| ·个性化服务中的挖掘分析 | 第44-45页 |
| ·汽车销售网站系统的设计 | 第45-49页 |
| ·系统功能描述 | 第46-48页 |
| ·系统结构设计 | 第48-49页 |
| ·汽车销售网站的页面个性化推荐 | 第49-55页 |
| ·网站个性化推荐模型的设计 | 第49-50页 |
| ·关联规则集的生成 | 第50-51页 |
| ·推荐页面的生成 | 第51-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
