| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第9-17页 |
| ·背景知识 | 第9-13页 |
| ·客户关系管理与用户特征分析 | 第9-10页 |
| ·数据挖掘与聚类分析 | 第10-12页 |
| ·Web2.0 与社会化标签 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·论文的主要内容 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 2 相关知识介绍 | 第17-33页 |
| ·聚类分析 | 第17-23页 |
| ·聚类分析概述 | 第17-19页 |
| ·蚁群聚类算法 | 第19-22页 |
| ·聚类分析的应用领域 | 第22-23页 |
| ·客户关系管理 | 第23-27页 |
| ·客户关系管理概述 | 第23-24页 |
| ·客户关系管理的特征 | 第24-26页 |
| ·客户特征分析 | 第26-27页 |
| ·Web2.0 | 第27-31页 |
| ·Web2.0 概述 | 第27-30页 |
| ·Web2.0 应用 | 第30-31页 |
| ·社会化标签 | 第31页 |
| ·本章小结 | 第31-33页 |
| 3 基于蚁群聚类的用户特征分析 | 第33-53页 |
| ·问题描述 | 第33-34页 |
| ·基于状态信息的蚁群聚类算法 | 第34-40页 |
| ·算法的主要思想 | 第34页 |
| ·蚂蚁的行为模式 | 第34-35页 |
| ·蚂蚁的状态信息 | 第35-36页 |
| ·状态信息对蚂蚁的影响 | 第36-38页 |
| ·算法描述 | 第38-40页 |
| ·算法的特点 | 第40页 |
| ·算法验证 | 第40-43页 |
| ·实验结果评价 | 第40-42页 |
| ·与其他算法的比较分析 | 第42-43页 |
| ·基于 SI-ACC 算法的客户特征分析 | 第43-51页 |
| ·实验数据获取 | 第43页 |
| ·聚类分析 | 第43-51页 |
| ·本章小结 | 第51-53页 |
| 4 基于社会化标签的用户特征分析 | 第53-73页 |
| ·问题描述 | 第53页 |
| ·相关工作 | 第53-56页 |
| ·个体用户的兴趣特征 | 第56-62页 |
| ·用户的兴趣标签图 | 第56-58页 |
| ·基于标签组的用户特征图——TC-Graph 算法 | 第58-61页 |
| ·算法描述 | 第61-62页 |
| ·群体用户的兴趣特征 | 第62-66页 |
| ·用户的兴趣特征表示 | 第62-63页 |
| ·基于兴趣标签图的用户距离——TC-G-D 算法 | 第63-65页 |
| ·算法描述 | 第65-66页 |
| ·实验分析 | 第66-71页 |
| ·个体用户的兴趣特征分析 | 第67-70页 |
| ·群体用户兴趣特征分析 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 5 总结和展望 | 第73-76页 |
| ·本文工作总结 | 第73-75页 |
| ·下一步工作展望 | 第75-76页 |
| 参考文献 | 第76-83页 |
| 攻读学位期间发表的学术论文 | 第83-84页 |
| 致谢 | 第84-85页 |