基于Web数据挖掘商务网站推荐系统的研究
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-9页 |
| 第一章 前言 | 第9-14页 |
| 1．1 引言 | 第9-10页 |
| 1．2 国内外研究领域和现状 | 第10-11页 |
| 1．3 本论文研究的内容 | 第11页 |
| 1．4 论文所做的工作 | 第11-12页 |
| 1．5 论文的意义 | 第12-13页 |
| 1．6 论文内容的安排 | 第13-14页 |
| 第二章 相关理论 | 第14-24页 |
| 2．1 web数据挖掘技术 | 第14-18页 |
| 2．1．1 数据挖掘技术简介 | 第14页 |
| 2．1．2 web数据挖掘技术简介 | 第14-15页 |
| 2．1．3 web数据挖掘的分类 | 第15-16页 |
| 2．1．4 web数据挖掘的数据源 | 第16-17页 |
| 2．1．5 web数据挖掘能够获取的知识模式 | 第17-18页 |
| 2．2 客户在线推荐的基本理论 | 第18-22页 |
| 2．2．1 什么是电子商务 | 第18-19页 |
| 2．2．2 客户关系管理（CRM） | 第19页 |
| 2．2．3 推荐系统的简单介绍 | 第19-20页 |
| 2．2．4 推荐系统在电子商务中的意义 | 第20页 |
| 2．2．5 推荐先前的相关工作 | 第20-21页 |
| 2．2．6 推荐系统中采用的方法 | 第21-22页 |
| 2．3 CORBA技术概述 | 第22-23页 |
| 2．4 产生式规则 | 第23-24页 |
| 第三章 商业网站的在线推荐系统结构 | 第24-35页 |
| 3．1 在线推荐结构 | 第24-25页 |
| 3．2 会话期管理器 | 第25-29页 |
| 3．2．1 session对象 | 第25-26页 |
| 3．2．2 会话期管理器的主要功能 | 第26页 |
| 3．2．3 会话期管理器内部结构 | 第26-29页 |
| 3．2．3．1 分离器模块 | 第27-28页 |
| 3．2．3．2 发送器模块 | 第28-29页 |
| 3．3 对话管理器 | 第29-30页 |
| 3．4 推荐引擎 | 第30-32页 |
| 3．4．1 完成推荐所需的各种计算 | 第31-32页 |
| 3．4．2 合并推荐集 | 第32页 |
| 3．5 模式抽取器 | 第32-33页 |
| 3．6 数据库管理系统 | 第33页 |
| 3．7 模式分析器 | 第33-34页 |
| 3．8 运用CORBA集成系统 | 第34-35页 |
| 第四章 推荐策略和推荐算法 | 第35-50页 |
| 4．1 通过数据挖掘方法获取动态模式 | 第35-41页 |
| 4．1．1 物品之间相似模式的建立 | 第36-38页 |
| 4．1．1．1 物品间相似度 | 第36页 |
| 4．1．1．2 物品间相似度的计算 | 第36-38页 |
| 4．1．1．3 相似度的相乘因子 | 第38页 |
| 4．1．2 用户聚类模式 | 第38-40页 |
| 4．1．3 建立物品-页面模式 | 第40页 |
| 4．1．4 建立关于物品的用户聚类模式 | 第40-41页 |
| 4．2 建立静态模式 | 第41-43页 |
| 4．2．1 静态模式 | 第41页 |
| 4．2．2 静态规则模式中的知识元 | 第41-42页 |
| 4．2．3 静态规则模式 | 第42-43页 |
| 4．3 推荐算法和推荐策略 | 第43-50页 |
| 4．3．1 注册用户的推荐 | 第43-45页 |
| 4．3．2 非注册用户的推荐 | 第45-50页 |
| 4．3．2．1 非注册用户访问的向量化 | 第46页 |
| 4．3．2．2 非注册用户的分类 | 第46-47页 |
| 4．3．2．3 推荐策略与推荐算法 | 第47-50页 |
| 第五章 相关试验 | 第50-54页 |
| 5．1 静态模式试验 | 第50页 |
| 5．2 推荐公式描述能力实验 | 第50-54页 |
| 5．2．1 注册用户推荐公式实验 | 第50-52页 |
| 5．2．2 非注册用户推荐公式实验 | 第52-54页 |
| 第六章 小结和展望 | 第54-55页 |
| 6．1 工作小结 | 第54页 |
| 6．2 未来工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
