| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·论文的选题背景与选题意义 | 第7-8页 |
| ·选题背景 | 第7-8页 |
| ·选题意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·论文主要工作及组织结构 | 第10-13页 |
| ·主要工作 | 第10-11页 |
| ·组织结构 | 第11-13页 |
| 第2章 Web挖掘基本理论 | 第13-28页 |
| ·Web挖掘 | 第13-17页 |
| ·Web挖掘的提出和定义 | 第13-14页 |
| ·Web挖掘的特点 | 第14-16页 |
| ·Web挖掘的分类 | 第16-17页 |
| ·Web使用挖掘 | 第17-27页 |
| ·Web使用挖掘的过程 | 第17-26页 |
| ·Web使用挖掘的应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 自组织神经网络 | 第28-39页 |
| ·人工神经网络概述 | 第28-31页 |
| ·自组织神经网络 | 第31-35页 |
| ·自组织神经网络结构 | 第31-32页 |
| ·自组织神经网络的学习算法 | 第32-33页 |
| ·自组织神经网络的特性及存在的问题 | 第33页 |
| ·自组织神经网络的发展 | 第33-35页 |
| ·需要时生长的自组织神经网络GWRN | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于GWRN模型的自组织神经网络算法GWRSOM的设计 | 第39-54页 |
| ·Hebb学习规则基本理论 | 第39-40页 |
| ·基于GWRN模型的自组织神经网络算法GWRSOM | 第40-45页 |
| ·用户兴趣概述 | 第40-41页 |
| ·算法的总体思想 | 第41-42页 |
| ·GWRSOM的学习原理和算法 | 第42-45页 |
| ·用户兴趣挖掘模型的设计 | 第45-46页 |
| ·用户兴趣挖掘的实现 | 第46-47页 |
| ·仿真分析 | 第47-53页 |
| ·仿真分析 | 第47-52页 |
| ·基于不同算法的用户兴趣挖掘模型的对比 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 GWRSOM的应用研究 | 第54-61页 |
| ·系统平台搭建 | 第54-56页 |
| ·数据预处理 | 第56-57页 |
| ·算法改进前后的对比分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 结论与展望 | 第61-62页 |
| ·工作总结 | 第61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间的研究成果 | 第66页 |