| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·课题背景及研究意义 | 第11页 |
| ·国内外相关领域研究现状 | 第11-16页 |
| ·Web 日志挖掘 | 第11-13页 |
| ·Web 自适应站点 | 第13-14页 |
| ·群体智能 | 第14-16页 |
| ·本文研究内容 | 第16-17页 |
| 2 相关概念和技术 | 第17-27页 |
| ·蚁群算法 | 第17-18页 |
| ·Web 日志挖掘 | 第18-24页 |
| ·Web 日志挖掘过程 | 第18-22页 |
| ·Web 日志挖掘的应用 | 第22-24页 |
| ·自适应站点 | 第24-26页 |
| ·自适应Web 站点设计框架 | 第24-25页 |
| ·实现自适应站点的主要方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 Web 日志数据预处理分析 | 第27-40页 |
| ·Web 日志预处理概述 | 第27页 |
| ·Web 日志挖掘的数据准备 | 第27-30页 |
| ·Web 数据源 | 第27-29页 |
| ·数据建模 | 第29-30页 |
| ·Web 日志预处理步骤 | 第30-39页 |
| ·数据清理 | 第31-33页 |
| ·用户识别 | 第33-34页 |
| ·会话识别 | 第34-36页 |
| ·路径补充 | 第36页 |
| ·用户事务识别 | 第36-39页 |
| ·数据集描述 | 第39页 |
| ·本章小结 | 第39-40页 |
| 4 AAWA 算法研究 | 第40-47页 |
| ·用户浏览行为与蚁群觅食行为的相似性 | 第40页 |
| ·AAWA(Ant-based Adaptive Website Algorithm)算法 | 第40-44页 |
| ·基本理论 | 第40-42页 |
| ·AAWA 算法 | 第42-43页 |
| ·仿真试验及其结果分析 | 第43-44页 |
| ·AAWA 算法改进 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 ACRSA 聚类算法研究 | 第47-57页 |
| ·ACRSA 聚类算法的仿生原理 | 第47页 |
| ·ACRSA 聚类算法 | 第47-51页 |
| ·参数 | 第48-49页 |
| ·智能蚂蚁间的识别 | 第49-50页 |
| ·智能蚂蚁相遇后的行为规则 | 第50-51页 |
| ·ACRSA 算法 | 第51页 |
| ·用户事务模式聚类 | 第51-54页 |
| ·概述 | 第51-52页 |
| ·用户事务预处理 | 第52页 |
| ·用户事务模式的相似度矩阵 | 第52-54页 |
| ·试验分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 6 拓扑结构与站点自适应 | 第57-67页 |
| ·问题提出 | 第57页 |
| ·站点拓扑结构的应用 | 第57-58页 |
| ·站点拓扑结构的提取 | 第58-62页 |
| ·拓扑结构的存储方式 | 第58-60页 |
| ·过滤框架页面 | 第60-61页 |
| ·提取站点拓扑结构算法 | 第61-62页 |
| ·站点拓扑结构在AAWA 算法中的应用 | 第62-63页 |
| ·站点拓扑结构在ACRSA 聚类算法中的应用 | 第63-66页 |
| ·基于站点拓扑结构的用户事务相似度 | 第63-65页 |
| ·实验分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 7 原型系统 | 第67-74页 |
| ·设计思想 | 第67页 |
| ·体系结构 | 第67-69页 |
| ·离线处理部分 | 第69页 |
| ·在线推荐部分 | 第69-71页 |
| ·系统实现 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 8 总结 | 第74-76页 |
| ·本文的主要贡献 | 第74页 |
| ·一些重要结论 | 第74-75页 |
| ·进一步的工作 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 附录 | 第81-82页 |
| 独创性声明 | 第82页 |
| 学位论文版权使用授权书 | 第82页 |