基于Web挖掘的个性化推荐服务研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| ·数据挖掘 | 第9-11页 |
| ·WEB 数据挖掘 | 第11页 |
| ·个性化推荐服务的现状 | 第11-13页 |
| ·论文研究内容及其组织 | 第13-14页 |
| 第2章 数据挖掘及WEB 挖掘 | 第14-24页 |
| ·WEB 数据挖掘 | 第14-18页 |
| ·Web 挖掘的分类 | 第14-16页 |
| ·Web 挖掘的步骤 | 第16-17页 |
| ·Web 数据挖掘任务 | 第17页 |
| ·Web 挖掘与Web 推荐 | 第17-18页 |
| ·几个重要的研究方向 | 第18-19页 |
| ·挖掘Web 推荐引擎所发现的资源 | 第18页 |
| ·权威页面的识别 | 第18-19页 |
| ·Web 信息过滤系统 | 第19页 |
| ·WEB 挖掘的个性化 | 第19-22页 |
| ·个性化推荐中的数据源 | 第21页 |
| ·界面推荐及内容推荐 | 第21-22页 |
| ·个性化推荐解决的问题和目标 | 第22-24页 |
| 第3章 基于WEB 挖掘的个性化推荐 | 第24-35页 |
| ·个性化服务中用户研究 | 第24-26页 |
| ·用户分析 | 第24-25页 |
| ·用户信息获取 | 第25-26页 |
| ·个性化推荐 | 第26-30页 |
| ·个性化推荐模型的工作机理 | 第27页 |
| ·推荐引擎的分类 | 第27-29页 |
| ·目前个性化推荐引擎存在的问题 | 第29-30页 |
| ·个性化推荐服务技术 | 第30-35页 |
| ·个性化推荐的实现技术 | 第30-31页 |
| ·个性化服务模型结构 | 第31-32页 |
| ·具体实现方法 | 第32-35页 |
| 第4章 WEB 个性化信息推荐系统及其推荐算法 | 第35-47页 |
| ·PIRS 系统 | 第35-36页 |
| ·系统框图 | 第35-36页 |
| ·系统特点 | 第36页 |
| ·推荐策略 | 第36-37页 |
| ·基于关联规则的个性化推荐服务 | 第37-43页 |
| ·从Web 事务空间中发现频繁集 | 第37-39页 |
| ·相关定义 | 第37-38页 |
| ·聚集树的生成算法 | 第38-39页 |
| ·基于关联规则的个性化推荐算法 | 第39-43页 |
| ·基于聚集树的关联规则发现算法 | 第41-42页 |
| ·基于关联规则的推荐集生成算法 | 第42-43页 |
| ·基于用户事务模式聚类的个性化推荐服务 | 第43-47页 |
| ·用户事务模式聚类 | 第43-44页 |
| ·URL 聚类模式的生成 | 第44页 |
| ·基于URL 聚类模式的个性化推荐算法 | 第44-47页 |
| 第5章 实验分析 | 第47-50页 |
| ·系统实现介绍 | 第47页 |
| ·基于关联规则的个性化推荐服务实验 | 第47-48页 |
| ·基于用户事务模式聚类的个性化推荐服务实验 | 第48-49页 |
| ·实验总结 | 第49-50页 |
| 第6章 总结与展望 | 第50-51页 |
| ·总结 | 第50页 |
| ·将来的工作 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 附录：攻读硕士学位期间发表的学术论文目录 | 第54页 |
