基于用户访问路径的网页推荐算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 引言 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 第2章 用户访问行为分析 | 第14-26页 |
| ·从Web挖掘到用户访问行为挖掘 | 第14-16页 |
| ·用户访问行为描述 | 第16-19页 |
| ·影响用户访问行为的因素 | 第16-17页 |
| ·用户访问行为类型 | 第17-18页 |
| ·用户访问行为数据来源 | 第18-19页 |
| ·用户访问行为数据整理 | 第19-25页 |
| ·用户访问行为数据处理 | 第20-24页 |
| ·用户访问路径获取 | 第24页 |
| ·用户访问树生成 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于访问路径的目录网页推荐算法 | 第26-46页 |
| ·目录网页的判断 | 第26-27页 |
| ·基于贪婪思想的Q-greedy算法 | 第27-31页 |
| ·用户访问路径分析 | 第27-28页 |
| ·用户行为建模 | 第28-29页 |
| ·Q-greedy算法实现 | 第29-31页 |
| ·基于马尔可夫链的预测算法 | 第31-39页 |
| ·马尔可夫链介绍 | 第31-33页 |
| ·转移概率矩阵构造 | 第33-36页 |
| ·转移概率矩阵改进 | 第36-37页 |
| ·稳态分布生成 | 第37-39页 |
| ·Q-greedy算法与马尔可夫预测算法分析 | 第39-41页 |
| ·算法测试与分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于访问路径的主题网页推荐算法 | 第46-62页 |
| ·从信息粒度学分析内容主题与事件主题的关系 | 第46-47页 |
| ·信息粒度学原理 | 第46-47页 |
| ·内容主题与事件主题的关系 | 第47页 |
| ·内容主题识别 | 第47-55页 |
| ·内容主题识别过程 | 第48-49页 |
| ·训练样本的选取与分类 | 第49页 |
| ·主题网页特征抽取 | 第49-53页 |
| ·基于向量空间模型的内容主题识别算法 | 第53-55页 |
| ·事件主题识别 | 第55-57页 |
| ·事件主题模式抽取 | 第55-56页 |
| ·事件主题识别算法 | 第56-57页 |
| ·算法测试与分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| ·工作总结 | 第62页 |
| ·进一步工作 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
