| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-12页 |
| 1.3 研究目标及主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关技术研究 | 第15-25页 |
| 2.1 用户浏览行为数据获取与表示 | 第15页 |
| 2.2 Web数据采集及预处理 | 第15-18页 |
| 2.2.1 数据来源和采集方法 | 第16-17页 |
| 2.2.2 数据预处理 | 第17-18页 |
| 2.3 用户行为分析模型和聚类算法 | 第18-22页 |
| 2.3.1 M5模型树 | 第18-20页 |
| 2.3.2 聚类算法 | 第20-22页 |
| 2.4 微信“小程序” | 第22-25页 |
| 2.4.1 用户授权登录 | 第22-23页 |
| 2.4.2 转发流程 | 第23页 |
| 2.4.3 事件机制 | 第23-25页 |
| 第三章 微信论坛用户行为聚类分析 | 第25-42页 |
| 3.1 用户访问规律分析 | 第25-35页 |
| 3.1.1 k-medios算法基本流程 | 第25-26页 |
| 3.1.2 k-medios算法的改进 | 第26-28页 |
| 3.1.3 算法性能分析 | 第28-30页 |
| 3.1.4 k-medios算法在微信论坛用户行为分析中的应用 | 第30-35页 |
| 3.2 微信论坛用户的转发分析 | 第35-41页 |
| 3.2.1 微信论坛小程序的转发流程 | 第36页 |
| 3.2.2 转发关系数据存储 | 第36-38页 |
| 3.2.3 微信论坛用户转发分析结果 | 第38-41页 |
| 3.3 本章小节 | 第41-42页 |
| 第四章 面向用户兴趣的用户行为分析 | 第42-52页 |
| 4.1 可分析行为事件的定义 | 第42-43页 |
| 4.1.1 版块停留时间 | 第42页 |
| 4.1.2 版块内点击次数 | 第42-43页 |
| 4.1.3 版块总访问次数 | 第43页 |
| 4.1.4 版块内页面滑动次数 | 第43页 |
| 4.2 获取用户行为基本数据集 | 第43-44页 |
| 4.3 基于M5的用户行为模型 | 第44-47页 |
| 4.3.1 M5用户行为模型构建过程 | 第44-47页 |
| 4.3.2 基于M5决策树的用户行为分析的算法流程 | 第47页 |
| 4.4 实验结果及分析 | 第47-51页 |
| 4.4.1 实验数据 | 第48-49页 |
| 4.4.2 M5用户行为分析模型的实验结果 | 第49-50页 |
| 4.4.3 实验结果模型评价 | 第50-51页 |
| 4.5 本章小节 | 第51-52页 |
| 第五章 面向用户兴趣的用户行为分析系统实现 | 第52-61页 |
| 5.1 系统总体设计 | 第52-56页 |
| 5.1.1 系统体系结构 | 第52-53页 |
| 5.1.2 数据库设计 | 第53-55页 |
| 5.1.3 系统实现的核心类设计 | 第55-56页 |
| 5.2 用户浏览行为的获取 | 第56-57页 |
| 5.3 用户论坛行为分析模块的设计 | 第57-59页 |
| 5.3.1 行为数据预处理的实现 | 第57-58页 |
| 5.3.2 基于M5的用户行为模型的实现 | 第58-59页 |
| 5.4 用户对版块兴趣度的分析结果 | 第59-60页 |
| 5.5 本章小节 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |