基于历史上下文挖掘的“科技论文在线”用户行为研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究目的及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·基于上下文感知的用户行为研究 | 第11页 |
| ·基于web信息挖掘的用户行为研究 | 第11-13页 |
| ·存在的问题及改进方法 | 第13页 |
| ·本文研究的主要内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 相关技术 | 第16-27页 |
| ·数据挖掘概论 | 第16-19页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·数据挖掘的任务 | 第17页 |
| ·数据挖掘的方法 | 第17-19页 |
| ·上下文 | 第19-23页 |
| ·上下文的获取 | 第20-21页 |
| ·上下文的建模 | 第21-22页 |
| ·上下文的聚合 | 第22页 |
| ·上下文应用 | 第22-23页 |
| ·网络用户行为 | 第23-26页 |
| ·网络用户行为特点 | 第24页 |
| ·网络用户行为分类 | 第24-26页 |
| ·“科技论文在线”用户行为特点 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 历史上下文信息的获取及预处理 | 第27-37页 |
| ·“科技论文在线”用户上下文信息的获取 | 第28-29页 |
| ·用户个人信息上下文的获取 | 第28页 |
| ·用户行为上下文的获取 | 第28-29页 |
| ·用户环境上下文的获取 | 第29页 |
| ·用户行为上下文信息的预处理 | 第29-36页 |
| ·会话识别算法 | 第29-31页 |
| ·用户访问轨迹重现算法 | 第31-35页 |
| ·用户浏览时间修正方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于用户浏览兴趣度的聚类算法 | 第37-51页 |
| ·用户浏览兴趣度量方法研究 | 第37-41页 |
| ·用户兴趣度的度量方法 | 第37-39页 |
| ·基于多特征的用户兴趣度量方法 | 第39-41页 |
| ·用户浏览轨迹的数据表示 | 第41-43页 |
| ·改进的用户访问轨迹聚类算法 | 第43-48页 |
| ·k-means聚类算法 | 第43-44页 |
| ·基于最大最小距离法的初始点的选取 | 第44-45页 |
| ·基于DB指标的聚类个数k的确定 | 第45-46页 |
| ·改进的聚类算法DICA | 第46-47页 |
| ·实验分析 | 第47-48页 |
| ·基于聚类结果的推荐 | 第48-50页 |
| ·基于群体用户聚类的推荐集 | 第49页 |
| ·基于单个用户的推荐集 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 “历史用户行为分析”系统设计 | 第51-61页 |
| ·系统概述及框架设计 | 第51-52页 |
| ·功能模块设计 | 第52-56页 |
| ·上下文信息获取模块 | 第53-55页 |
| ·上下文信息预处理模块 | 第55页 |
| ·页面兴趣度计算模块 | 第55-56页 |
| ·DICA聚类分析模块及推荐结果模块 | 第56页 |
| ·实验结果 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·工作总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
