| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·国内外的研究现状 | 第8-9页 |
| ·推荐系统面临的挑战 | 第9页 |
| ·论文研究内容 | 第9-10页 |
| ·论文组织结构 | 第10-12页 |
| 第二章 数据挖掘相关技术 | 第12-21页 |
| ·数据挖掘概述 | 第12页 |
| ·数据挖掘功能 | 第12-13页 |
| ·数据挖掘流程 | 第13-15页 |
| ·主要技术 | 第15-16页 |
| ·Web数据挖掘概述 | 第16页 |
| ·Web数据挖掘分类 | 第16-21页 |
| ·Web内容挖掘（Web Content Mining） | 第17-18页 |
| ·Web结构挖掘（Web Structure Mining） | 第18-19页 |
| ·Web使用挖掘（Web Usage Mining） | 第19-21页 |
| 第三章 个性化推荐相关技术 | 第21-28页 |
| ·个性化推荐系统概述 | 第21页 |
| ·主要推荐算法 | 第21-28页 |
| ·基于关联规则的推荐 | 第22-23页 |
| ·基于内容的推荐 | 第23-24页 |
| ·协同过滤推荐 | 第24-28页 |
| 第四章 改进的协同过滤算法 | 第28-35页 |
| ·算法思想 | 第28页 |
| ·SVD（Singular Value Decomposition）评分填充 | 第28-29页 |
| ·K-means算法 | 第29-31页 |
| ·时间遗忘函数的数据加权 | 第31页 |
| ·改进的算法模型 | 第31-32页 |
| ·实验与结果分析 | 第32-35页 |
| 第五章 基于Web数据挖掘的个性化推荐系统设计 | 第35-42页 |
| ·系统概述 | 第35页 |
| ·系统分析 | 第35-37页 |
| ·功能分析 | 第35-36页 |
| ·架构分析 | 第36页 |
| ·系统结构 | 第36-37页 |
| ·系统设计 | 第37-42页 |
| 第六章 总结与展望 | 第42-43页 |
| ·全文工作总结 | 第42页 |
| ·展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 作者简介 | 第47页 |
| 攻读硕士学位期间研究成果 | 第47页 |
