| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·WEB 日志挖掘的国内外研究现状 | 第8-10页 |
| ·国内外研究现状 | 第9页 |
| ·国内研究现状 | 第9-10页 |
| ·本文研究内容 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| 2 WEB 日志挖掘 | 第12-18页 |
| ·数据挖掘的概述 | 第12页 |
| ·WEB 数据挖掘 | 第12-15页 |
| ·Web 数据挖掘的定义 | 第13页 |
| ·Web 数据挖掘的特点 | 第13页 |
| ·Web 数据挖掘的分类 | 第13-15页 |
| ·WEB 日志挖掘 | 第15-18页 |
| ·Web 日志挖掘的过程 | 第15-16页 |
| ·数据预处理 | 第16-18页 |
| 3 WEB 用户聚类 | 第18-24页 |
| ·聚类 | 第18-19页 |
| ·聚类的概念 | 第18页 |
| ·聚类方法的分类 | 第18-19页 |
| ·κ-means改进算法 | 第19-24页 |
| ·传统κ-means算法 | 第19-20页 |
| ·Leader 算法 | 第20-21页 |
| ·基于 Leader 算法的 k-means 改进算法 | 第21-24页 |
| 4 基于用户特性的用户聚类算法 | 第24-36页 |
| ·数据预处理 | 第24-25页 |
| ·基于三元组的用户会话处理 | 第25页 |
| ·会话的相似性度量 | 第25-27页 |
| ·基于访问频次的相似性度量 | 第26页 |
| ·基于浏览时间的相似性度量 | 第26-27页 |
| ·基于用户特性的 RDPLK-MEANS 聚类算法 | 第27-28页 |
| ·实验结果与分析 | 第28-35页 |
| ·实验 1 | 第28-31页 |
| ·实验 2 | 第31-35页 |
| ·小结 | 第35-36页 |
| 5 基于 WEB 聚类的多 MARKOV 链预测模型 | 第36-46页 |
| ·WEB 预测模型 | 第36-37页 |
| ·MARKOV 链预测模型研究现状 | 第37-38页 |
| ·基于 WEB 用户聚类的多 MARKOV 链预测模型 | 第38-41页 |
| ·单 Markov 链预测模型简介 | 第39-40页 |
| ·多 Markov 链模型 | 第40-41页 |
| ·基于 RDPLK-MEANS 聚类算法的多 MARKOV 链预测模型 | 第41-45页 |
| ·基于 RDPLK-means 聚类的多 Markov 链预测模型算法 | 第41-42页 |
| ·实验分析 | 第42-45页 |
| ·小结 | 第45-46页 |
| 6 结束语 | 第46-48页 |
| ·总结 | 第46页 |
| ·进一步的工作展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读学位期间参与项目和发表的学术论文 | 第56页 |
