| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 课题背景和研究意义 | 第7-10页 |
| 1.1.1 研究的背景 | 第7-8页 |
| 1.1.2 研究的目的 | 第8-9页 |
| 1.1.3 研究的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 论文主要工作 | 第13-16页 |
| 第二章 Web 日志挖掘及个性化推荐 | 第16-27页 |
| 2.1 数据来源及预处理 | 第16-20页 |
| 2.2 模式发现 | 第20-22页 |
| 2.3 模式分析 | 第22-23页 |
| 2.4 个性化推荐系统 | 第23-26页 |
| 2.4.1 传统个性化推荐技术 | 第23-24页 |
| 2.4.2 基于Web 的个性化推荐技术 | 第24-25页 |
| 2.4.3 单用户个性化推荐研究 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 用户会话识别与相似性度量 | 第27-39页 |
| 3.1 用户会话的识别 | 第27-29页 |
| 3.1.1 基于时间的会话识别 | 第27-28页 |
| 3.1.2 会话模型的建立 | 第28-29页 |
| 3.2 常用相似性计算方法 | 第29-32页 |
| 3.3 Web 页面的相似性度量 | 第32-36页 |
| 3.3.1 页面相似性计算方法 | 第32-33页 |
| 3.3.2 页面相似性在序列比对中的应用 | 第33-35页 |
| 3.3.3 根据网页的相似性缩减会话维度 | 第35-36页 |
| 3.4 基于时间和频率的会话相似性 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于 PS-KM 算法的用户聚类 | 第39-53页 |
| 4.1 常用聚类算法 | 第39-40页 |
| 4.2 K-means 算法和PSO 算法 | 第40-45页 |
| 4.2.1 K-means 算法介绍 | 第41-42页 |
| 4.2.2 K-means 算法优缺点 | 第42-43页 |
| 4.2.3 群体智能 | 第43页 |
| 4.2.4 PSO 算法 | 第43-45页 |
| 4.3 基于PS-KM 算法的Web 聚类 | 第45-47页 |
| 4.4 实验结果分析 | 第47-52页 |
| 4.4.1 实验数据集 | 第47-48页 |
| 4.4.2 聚类结果分析 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于 Web 日志挖掘的个性化推荐系统设计 | 第53-63页 |
| 5.1 系统需求分析 | 第53-54页 |
| 5.2 系统设计方案 | 第54-55页 |
| 5.2.1 系统运行框架 | 第54-55页 |
| 5.2.2 系统运行环境 | 第55页 |
| 5.3 个性化推荐过程 | 第55-62页 |
| 5.3.1 离线分析模块 | 第56-57页 |
| 5.3.2 在线推荐模块 | 第57-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |