基于Web的用户访问信息挖掘研究
| 第一章 绪论 | 第1-16页 |
| ·课题研究的背景 | 第11-12页 |
| ·课题研究动态和应用现状 | 第12-13页 |
| ·课题研究的意义 | 第13-14页 |
| ·论文的组织结构和内容 | 第14-16页 |
| 第二章 数据挖掘和Web数据挖掘 | 第16-24页 |
| ·数据挖掘技术 | 第16-19页 |
| ·数据挖掘的概念和结构 | 第16-17页 |
| ·数据挖掘的功能和方法 | 第17-18页 |
| ·数据挖掘应用及发展趋势 | 第18-19页 |
| ·Web数据挖掘研究 | 第19-24页 |
| ·Web数据挖掘概述 | 第19-20页 |
| ·Web结构挖掘 | 第20-21页 |
| ·Web内容挖掘 | 第21-22页 |
| ·Web访问信息挖掘 | 第22-24页 |
| 第三章 Web用户访问信息挖掘及预处理研究 | 第24-37页 |
| ·数据预处理 | 第24-34页 |
| ·Web挖掘的数据源 | 第24-26页 |
| ·数据清洗 | 第26-29页 |
| ·用户识别 | 第29-30页 |
| ·会话识别 | 第30-31页 |
| ·事务识别 | 第31-34页 |
| ·模式发现 | 第34-35页 |
| ·模式分析 | 第35-37页 |
| 第四章 神经网络在Web用户访问信息挖掘中的应用 | 第37-54页 |
| ·问题的提出和解决方法 | 第37-41页 |
| ·用概念分层的方法将页面数据进行归纳 | 第37-39页 |
| ·构建用于神经网络的数据集 | 第39-41页 |
| ·神经网络 | 第41-42页 |
| ·BP神经网络 | 第42-47页 |
| ·BP神经网络及其算法的改进 | 第43-46页 |
| ·初始权重、隐含层数和隐含层节点的选择 | 第46-47页 |
| ·神经网络在Web用户访问信息挖掘中的应用 | 第47-54页 |
| ·神经网络的Matlab实现 | 第47-48页 |
| ·基于不同神经网络训练方法的试验与结果分析 | 第48-54页 |
| 第五章 基于关联规则的频繁访问路径研究 | 第54-68页 |
| ·关联规则 | 第54-58页 |
| ·关联规则的概念和形式定义 | 第54-56页 |
| ·Apriori算法 | 第56-57页 |
| ·关联规则的一种应用—协同过滤技术 | 第57-58页 |
| ·序列模式 | 第58-60页 |
| ·挖掘频繁访问路径算法 | 第60-64页 |
| ·挖掘页面关联和访问统计的算法 | 第64-68页 |
| 第六章 Web访问信息挖掘系统MLOG | 第68-77页 |
| ·Web访问信息挖掘系统MLOG的原型 | 第68-70页 |
| ·模块分析和研究 | 第70-77页 |
| ·数据预处理模块 | 第70-73页 |
| ·模式发现模块 | 第73-76页 |
| ·模式分析模块 | 第76-77页 |
| 第七章 结论与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读学位期间发表的学术论文 | 第83-84页 |
| 致谢 | 第84页 |
