| 第1章 绪论 | 第1-12页 |
| ·课题的来源、目的和意义 | 第9页 |
| ·Web日志挖掘的具体过程 | 第9-11页 |
| ·本篇论文的组织结构 | 第11-12页 |
| 第2章 基于Web的日志挖掘技术 | 第12-28页 |
| ·数据挖掘 | 第12-15页 |
| ·数据挖掘的国内外研究现状 | 第13-14页 |
| ·数据挖掘技术演变 | 第14-15页 |
| ·Web日志挖掘 | 第15-22页 |
| ·Web挖掘的数据源 | 第15-16页 |
| ·Web日志挖掘的应用 | 第16-18页 |
| ·Web日志挖掘的任务及其六种模式 | 第18-20页 |
| ·Web日志挖掘面临的问题与挑战 | 第20-22页 |
| ·数据分布 | 第22-26页 |
| ·服务器方访问信息 | 第22-25页 |
| ·客户端方访问信息 | 第25-26页 |
| ·公共概念 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 日志预处理(Data Preprocessing) | 第28-35页 |
| ·日志预处理方法(Data Preprocessing Method) | 第28-30页 |
| ·数据清理(Data Cleaning) | 第28-29页 |
| ·用户标识(User Identification) | 第29页 |
| ·会话标识(Session Identification) | 第29页 |
| ·格式化(Formatting) | 第29-30页 |
| ·算法实现 | 第30-33页 |
| ·事务定义 | 第30-31页 |
| ·设计算法 | 第31页 |
| ·具体的算法实现 | 第31-33页 |
| ·实验测试 | 第33-34页 |
| ·本章小节 | 第34-35页 |
| 第4章 模式发现(Pattern Discovery) | 第35-48页 |
| ·聚类挖掘(Clustering) | 第35-40页 |
| ·Web日志挖掘对聚类的典型要求 | 第36-37页 |
| ·主要的聚类方法 | 第37-38页 |
| ·提出多路径分割聚类方法 | 第38-39页 |
| ·设计多路径分割聚类方法 | 第39页 |
| ·多路径分割聚类方法的具体实现 | 第39-40页 |
| ·关联规则挖掘(Association Rules) | 第40-46页 |
| ·基本概念 | 第40-41页 |
| ·关联规则挖掘分类 | 第41页 |
| ·关联规则的挖掘步骤 | 第41-42页 |
| ·找频繁项集 | 第42-44页 |
| ·由频繁项集产生强关联规则 | 第44-46页 |
| ·序列模式挖掘(Sequential Patterns) | 第46页 |
| ·分类挖掘(Classification) | 第46页 |
| ·浏览路径分析(Path Analysis) | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 利用聚类方法实现实时个性化推荐 | 第48-54页 |
| ·简介 | 第48-49页 |
| ·整体过程 | 第49-50页 |
| ·挖掘用户访问顺序关系特性 | 第50-51页 |
| ·聚类挖掘出聚类集 | 第51页 |
| ·生成推荐集 | 第51-52页 |
| ·推荐引擎 | 第52页 |
| ·本章小结 | 第52-54页 |
| 结论 | 第54-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
