基于用户浏览内容的Web用户浏览行为个性化研究
| 第一章 绪论 | 第1-14页 |
| ·Web 挖掘概述 | 第9-11页 |
| ·Web 挖掘的定义 | 第9页 |
| ·Web 挖掘的分类 | 第9-11页 |
| ·Web 挖掘的个性化研究 | 第11-14页 |
| ·Web 个性化信息服务中用户研究的目的 | 第11-12页 |
| ·Web 个性化服务系统一般步骤 | 第12页 |
| ·目前Web 个性化服务系统研究现状 | 第12-13页 |
| ·Web 个性化挖掘存在的问题 | 第13-14页 |
| 第二章 课题提出的意义及本文主要研究内容 | 第14-18页 |
| ·课题提出的意义 | 第14页 |
| ·本文研究主要内容 | 第14-15页 |
| ·兴趣挖掘的建模过程概述 | 第15-18页 |
| ·元数据获取 | 第16页 |
| ·数据预处理 | 第16-17页 |
| ·文本聚类分析 | 第17页 |
| ·用户兴趣表示 | 第17-18页 |
| 第三章 元数据获取 | 第18-21页 |
| ·服务器端数据 | 第18-19页 |
| ·客户端数据 | 第19页 |
| ·代理服务器端数据 | 第19页 |
| ·文本挖掘元数据获取 | 第19-21页 |
| 第四章 数据预处理 | 第21-28页 |
| ·HTML 页面规范 | 第22页 |
| ·文本特征向量的抽取 | 第22-24页 |
| ·特征向量权值的计算 | 第24-25页 |
| ·文本的向量空间模型表示 | 第25-28页 |
| ·向量空间模型的基本概念 | 第25-26页 |
| ·文本向量矩阵 | 第26-28页 |
| 第五章 文本聚类分析 | 第28-40页 |
| ·文本相似性度量 | 第29-33页 |
| ·文本数据样本类型 | 第29-30页 |
| ·文本相似性度量 | 第30-32页 |
| ·文本相似性矩阵 | 第32-33页 |
| ·经典聚类算法 | 第33-35页 |
| ·层次聚类算法 | 第33-34页 |
| ·k-means 算法 | 第34-35页 |
| ·改进的二次聚类算法 | 第35-38页 |
| ·基于概化方法的兴趣主题词抽取 | 第38-40页 |
| 第六章 用户兴趣挖掘 | 第40-51页 |
| ·兴趣表示模型的确定 | 第41-43页 |
| ·用户兴趣类权值分析 | 第43-49页 |
| ·用户兴趣权值计算 | 第43-46页 |
| ·页面兴趣等级对权值的影响 | 第46-48页 |
| ·页面间访问连接对权值的影响 | 第48-49页 |
| ·用户兴趣更新 | 第49-51页 |
| 第七章 实验结果与分析 | 第51-61页 |
| ·数据预处理 | 第51-54页 |
| ·文本聚类 | 第54-55页 |
| ·页面相似度计算 | 第54页 |
| ·聚类结果 | 第54-55页 |
| ·概化方法提取主题词抽取 | 第55页 |
| ·兴趣类权值计算 | 第55-59页 |
| ·计算页面等级 | 第56-58页 |
| ·计算聚簇内页面集合连接性 | 第58-59页 |
| ·实验结论 | 第59-61页 |
| 第八章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 发表论文和科研情况说明 | 第64-65页 |
| 致谢 | 第65页 |
