| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-7页 |
| 1 引言 | 第7-10页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8页 |
| ·本文的内容与组织 | 第8-10页 |
| 2 数据挖掘 | 第10-18页 |
| ·数据挖掘的描述 | 第10页 |
| ·数据挖掘的功能 | 第10-12页 |
| ·数据挖掘的对象 | 第12页 |
| ·数据挖掘的过程 | 第12-13页 |
| ·数据挖掘的方法与技术 | 第13-15页 |
| ·数据挖掘常用工具 | 第15-16页 |
| ·数据挖掘的应用领域 | 第16-17页 |
| ·小结 | 第17-18页 |
| 3 Web 挖掘 | 第18-40页 |
| ·Web 挖掘的描述 | 第18页 |
| ·Web 挖掘的内容 | 第18-24页 |
| ·Web 内容挖掘 | 第19-20页 |
| ·Web 使用挖掘 | 第20-22页 |
| ·Web 结构挖掘 | 第22-24页 |
| ·Web 日志挖掘的模型与处理过程 | 第24-37页 |
| ·数据采集 | 第24-26页 |
| ·数据预处理 | 第26-33页 |
| ·模式发现 | 第33-34页 |
| ·模式评估 | 第34-35页 |
| ·多维0LAP 分析 | 第35-37页 |
| ·Web 挖掘的应用 | 第37-39页 |
| ·小结 | 第39-40页 |
| 4 自适应站点应用研究 | 第40-59页 |
| ·自适应站点研究概述 | 第40-45页 |
| ·研究现状 | 第40-42页 |
| ·自适应站点体系结构 | 第42-44页 |
| ·研究的重点 | 第44页 |
| ·设计的原则 | 第44-45页 |
| ·Web 日志的聚类挖掘 | 第45-49页 |
| ·聚类分析概述 | 第46-47页 |
| ·用户浏览行为的描述和Web 站点的表示 | 第47-48页 |
| ·基于URL-UserID 关联矩阵的用户聚类算法 | 第48-49页 |
| ·基于URL-userID 关联矩阵的Web 页面聚类算法 | 第49页 |
| ·Web 日志的关联规则挖掘 | 第49-52页 |
| ·关联规则挖掘定义 | 第49-50页 |
| ·关联规则的经典算法--Apriori 算法 | 第50-51页 |
| ·基于URL-userID 关联矩阵的频繁访问路径发现 | 第51-52页 |
| ·自适应站点的实施策略 | 第52-54页 |
| ·个性化推荐 | 第52-53页 |
| ·Web 站点的优化 | 第53-54页 |
| ·实验及结果 | 第54-58页 |
| ·实验对象及过程 | 第54-57页 |
| ·结果分析 | 第57-58页 |
| ·小结 | 第58-59页 |
| 5 结束语 | 第59-61页 |
| ·总结 | 第59页 |
| ·进一步的工作 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-63页 |
