面向用户兴趣漂移的Web数据流挖掘算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景及目的 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文的研究内容及组织结构 | 第11-14页 |
| 第2章 Web数据流挖掘理论综述 | 第14-23页 |
| ·数据流挖掘 | 第14-17页 |
| ·数据流关联规则挖掘 | 第14-15页 |
| ·数据流聚类挖掘 | 第15-16页 |
| ·数据流分类挖掘 | 第16-17页 |
| ·数据流其他挖掘 | 第17页 |
| ·Web数据挖掘 | 第17-22页 |
| ·Web数据挖掘的意义 | 第17-18页 |
| ·Web数据挖掘的分类 | 第18-20页 |
| ·Web数据挖掘的技术 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 Web数据流最大频繁项集挖掘算法 | 第23-31页 |
| ·研究进展及相关概念 | 第23-24页 |
| ·研究现状 | 第23-24页 |
| ·窗口模型和最大频繁项集 | 第24页 |
| ·A-MFI算法 | 第24-30页 |
| ·相关定义 | 第24-25页 |
| ·算法描述 | 第25-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 并行Web数据流聚类算法 | 第31-38页 |
| ·研究进展及相关模型 | 第31-33页 |
| ·现状及问题描述 | 第31-32页 |
| ·并行数据流及衰减窗口模型 | 第32页 |
| ·偶和特征及主成分分析模型 | 第32-33页 |
| ·JPStream算法描述 | 第33-36页 |
| ·算法质量评价 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 Web用户兴趣漂移分析与算法 | 第38-52页 |
| ·Web用户兴趣挖掘 | 第38-45页 |
| ·文本特征选择 | 第38-40页 |
| ·文本相似度计算 | 第40-41页 |
| ·文本聚类 | 第41-42页 |
| ·用户兴趣提取 | 第42-45页 |
| ·Web用户兴趣漂移研究 | 第45-51页 |
| ·兴趣漂移现象 | 第45-47页 |
| ·兴趣漂移处理算法 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 算法实现与分析 | 第52-61页 |
| ·数据集及实验环境 | 第52页 |
| ·实验测试与结果分析 | 第52-60页 |
| ·算法A-MFI | 第52-55页 |
| ·算法JPStream | 第55-59页 |
| ·兴趣漂移处理算法 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第7章 个性化推荐系统构建与应用 | 第61-69页 |
| ·个性化推荐系统简述 | 第61页 |
| ·算法融入与应用 | 第61-68页 |
| ·兴趣漂移处理 | 第65-67页 |
| ·关联规则与聚类分析 | 第67-68页 |
| ·本章小节 | 第68-69页 |
| 第8章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-79页 |
| 附录1:攻读硕士学位期间发表的论文 | 第79页 |
| 附录2:攻读硕士学位期间参与的项目 | 第79-80页 |
| 致谢 | 第80-81页 |
