基于兴趣度和聚类的动态加权关联规则挖掘的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.2.3 存在的相关问题 | 第16-17页 |
| 1.3 本文的研究内容 | 第17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第2章 推荐系统的相关技术 | 第18-27页 |
| 2.1 Web数据挖掘概述 | 第18-19页 |
| 2.2 电子商务推荐算法 | 第19-20页 |
| 2.3 关联规则算法的相关理论 | 第20-23页 |
| 2.3.1 关联规则的基本概念 | 第21-22页 |
| 2.3.2 关联规则的经典算法 | 第22-23页 |
| 2.4 聚类算法的相关理论 | 第23-26页 |
| 2.4.1 聚类算法的典型评价 | 第23-24页 |
| 2.4.2 经典聚类算法 | 第24-25页 |
| 2.4.3 子空间聚类算法概述 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于用户浏览行为的用户兴趣模型 | 第27-37页 |
| 3.1 日志的预处理 | 第27-30页 |
| 3.1.1 服务端的数据格式 | 第27-28页 |
| 3.1.2 数据的预处理 | 第28-30页 |
| 3.2 用户兴趣度的计算 | 第30-33页 |
| 3.2.1 基于浏览时间的兴趣度计算 | 第31-33页 |
| 3.3 用户兴趣度的衰减 | 第33-36页 |
| 3.3.1 兴趣度的衰减 | 第33-34页 |
| 3.3.2 建立兴趣度模型 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于聚类的动态加权关联规则算法 | 第37-53页 |
| 4.1 算法的基本框架 | 第37页 |
| 4.2 基于样本特性clique聚类算法 | 第37-42页 |
| 4.2.1 传统Clique聚类算法 | 第38页 |
| 4.2.2 改进的Clique聚类算法 | 第38-42页 |
| 4.3 动态加权关联规则挖掘 | 第42-48页 |
| 4.3.1 改进算法的基本概念 | 第42-45页 |
| 4.3.2 改进算法的算法描述 | 第45-46页 |
| 4.3.3 改进算法的模拟例子 | 第46-48页 |
| 4.4 实验与验证 | 第48-52页 |
| 4.4.1 实验数据和实验环境 | 第48-49页 |
| 4.4.2 实验框架和对比参数 | 第49页 |
| 4.4.3 实验结果和分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
