基于用户偏好挖掘和主题搜索的情报推荐系统
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-14页 |
| ·引言 | 第9-11页 |
| ·数据挖掘技术 | 第11-12页 |
| ·主题搜索 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 理论综述 | 第14-28页 |
| ·电子商务与数据挖掘 | 第14-15页 |
| ·电子商务数据挖掘理论 | 第15-21页 |
| ·基于 Web 日志的数据挖掘 | 第16-19页 |
| ·基于数据包侦听技术的数据挖掘 | 第19页 |
| ·基于应用服务器的数据挖掘 | 第19-21页 |
| ·系统数据挖掘策略 | 第21页 |
| ·电子商务数据挖掘相关技术 | 第21-23页 |
| ·聚类 | 第21-22页 |
| ·关联规则 | 第22页 |
| ·基于内容的过滤技术 | 第22-23页 |
| ·协同过滤技术 | 第23页 |
| ·基于向量的信息检索技术 | 第23-24页 |
| ·海量数据并行处理 | 第24-25页 |
| ·海量信息的存储和检索 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 系统架构 | 第28-36页 |
| ·系统目标用户 | 第28页 |
| ·系统设计目标 | 第28-29页 |
| ·系统总体架构 | 第29-30页 |
| ·系统功能模块 | 第30-31页 |
| ·情报分类模型 | 第31-33页 |
| ·情报分类概述 | 第31-32页 |
| ·基于向量空间的情报分类模型 | 第32-33页 |
| ·情报推荐方式简介 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 用户偏好挖掘 | 第36-57页 |
| ·基于向量的数据挖掘技术 | 第36-37页 |
| ·构建向量模型 | 第37-40页 |
| ·用户模型 | 第37页 |
| ·情报模型 | 第37-39页 |
| ·事务模型 | 第39-40页 |
| ·改进的Apriori算法挖掘情报关联规则 | 第40-50页 |
| ·Apriori算法 | 第40-43页 |
| ·Apriori算法的缺点 | 第43-44页 |
| ·改进的Apriori算法 | 第44-48页 |
| ·算法效果比对 | 第48-50页 |
| ·用户偏好挖掘 | 第50-54页 |
| ·匹配算法 | 第51页 |
| ·建立匹配 | 第51-52页 |
| ·匹配效果 | 第52-54页 |
| ·相似用户偏好挖掘 | 第54-56页 |
| ·K-means算法 | 第54-55页 |
| ·用户相似度算法 | 第55页 |
| ·推荐效果 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 情报相关的主题搜索 | 第57-67页 |
| ·系统主题搜索架构 | 第57-58页 |
| ·主题模型 | 第58-60页 |
| ·改进的TF-IDF提取主题特征关键词 | 第59-60页 |
| ·构建主题语意模型 | 第60页 |
| ·主题分类 | 第60-63页 |
| ·主题相关性判定算法 | 第61-62页 |
| ·分类效果 | 第62-63页 |
| ·主题爬虫算法 | 第63-64页 |
| ·情报推荐优先级 | 第64页 |
| ·URL相关性判定 | 第64-66页 |
| ·相关性判定算法 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 总结和展望 | 第67-68页 |
| ·主要研究内容 | 第67页 |
| ·今后的工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
