用户浏览内容分析与用户兴趣挖掘
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪 论 | 第9-16页 |
| ·个性化技术与web挖掘概述 | 第9-11页 |
| ·个性化技术概述 | 第9-10页 |
| ·web挖掘概述 | 第10-11页 |
| ·课题提出的意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·聚类算法 | 第12-13页 |
| ·用户兴趣描述文件的建立 | 第13-14页 |
| ·本文主要研究内容与组织 | 第14-16页 |
| ·本文主要研究内容 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 2 用户兴趣挖掘过程模型 | 第16-20页 |
| ·元数据获取 | 第17-18页 |
| ·服务器端数据 | 第17页 |
| ·客户端数据 | 第17页 |
| ·代理服务器端数据 | 第17-18页 |
| ·文本挖掘元数据获取 | 第18页 |
| ·数据预处理 | 第18页 |
| ·文本聚类分析 | 第18-19页 |
| ·用户兴趣表示 | 第19-20页 |
| 3 数据预处理 | 第20-27页 |
| ·HTML页面规范化 | 第21页 |
| ·文本特征向量的抽取 | 第21-23页 |
| ·特征向量权值的计算 | 第23-24页 |
| ·文本的向量空间模型表示 | 第24-27页 |
| ·向量空间模型的基本概念 | 第24-25页 |
| ·文本向量矩阵 | 第25-27页 |
| 4 文本聚类分析 | 第27-36页 |
| ·文本相似性度量 | 第27-31页 |
| ·文本数据样本类型 | 第27-28页 |
| ·文本相似性度量 | 第28-30页 |
| ·文本相似性矩阵 | 第30-31页 |
| ·经典聚类算法 | 第31-33页 |
| ·层次聚类算法 | 第31-32页 |
| ·k-means算法 | 第32-33页 |
| ·改进的二次聚类算法 | 第33-36页 |
| 5 用户兴趣挖掘 | 第36-48页 |
| ·兴趣表示模型的确定 | 第37-38页 |
| ·基于概化方法的兴趣主题词抽取 | 第38-40页 |
| ·用户兴趣类权值分析 | 第40-46页 |
| ·用户兴趣权值计算 | 第41-43页 |
| ·页面兴趣等级对权值的影响 | 第43-45页 |
| ·页面间访问连接对权值的影响 | 第45-46页 |
| ·用户兴趣更新 | 第46-48页 |
| 6 实验结果与分析 | 第48-59页 |
| ·数据预处理 | 第48-51页 |
| ·文本聚类 | 第51-53页 |
| ·页面相似度计算 | 第51页 |
| ·聚类性能评价 | 第51页 |
| ·聚类结果 | 第51-53页 |
| ·兴趣类权值计算 | 第53-57页 |
| ·计算页面等级 | 第53-56页 |
| ·计算聚簇内页面集合连接性 | 第56-57页 |
| ·实验结论 | 第57-59页 |
| 7 总结与展望 | 第59-60页 |
| 致 谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附 录 | 第63-64页 |
