| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 理论基础:数据挖掘与网上智能技术 | 第12-13页 |
| 1.2.2 应用现状:电子商务与网上智能推荐系统 | 第13-14页 |
| 1.3 本课题的主要研究内容 | 第14-16页 |
| 第2章 数据挖掘技术 | 第16-25页 |
| 2.1 应用需求 | 第16-17页 |
| 2.2 数据挖掘技术的发展与应用现状 | 第17-18页 |
| 2.3 数据挖掘技术的主要方法 | 第18-20页 |
| 2.3.1 关联分析 | 第19页 |
| 2.3.2 序列模式分析 | 第19页 |
| 2.3.3 分类分析 | 第19-20页 |
| 2.3.4 聚类分析 | 第20页 |
| 2.4 数据挖掘与数据库中的知识发现 | 第20-21页 |
| 2.5 WEB 挖掘 | 第21-24页 |
| 2.5.1 Web 结构挖掘 | 第22-23页 |
| 2.5.2 Web 内容挖掘 | 第23页 |
| 2.5.3 Web 使用挖掘 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 网上智能推荐系统 | 第25-38页 |
| 3.1 电子商务的发展和需求 | 第25-27页 |
| 3.2 网上智能 | 第27-28页 |
| 3.3 智能推荐系统 | 第28-29页 |
| 3.4 智能推荐系统的主要应用领域 | 第29-32页 |
| 3.4.1 电子商务 | 第29-31页 |
| 3.4.2 数字图书馆 | 第31-32页 |
| 3.5 智能推荐的主要算法 | 第32-36页 |
| 3.5.1 人工方法和简单的统计算法 | 第32页 |
| 3.5.2 关联规则(Association Rules) | 第32页 |
| 3.5.3 协同过滤(Collaborative Filtering) | 第32-33页 |
| 3.5.4 分类方法(Classifier) | 第33-34页 |
| 3.5.5 聚类方法(Clustering) | 第34页 |
| 3.5.6 贝叶斯网(Bayesian Network,BN) | 第34-35页 |
| 3.5.7 多种方法的结合 | 第35-36页 |
| 3.6 推荐算法的评价标准 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 贝叶斯信任网络 | 第38-63页 |
| 4.1 贝叶斯概率 | 第38-41页 |
| 4.1.1 联合概率 | 第38-39页 |
| 4.1.3 条件独立 | 第39-40页 |
| 4.1.4 全概率公式 | 第40页 |
| 4.1.5 贝叶斯公式 | 第40-41页 |
| 4.2 贝叶斯网络 | 第41-44页 |
| 4.2.1 贝叶斯网络结构 | 第41-43页 |
| 4.2.2 条件概率表 | 第43-44页 |
| 4.3 D 分离 | 第44-48页 |
| 4.4 信息论简介 | 第48-51页 |
| 4.4.1 自信息量 | 第49页 |
| 4.4.2 条件自信息量 | 第49页 |
| 4.4.3 互信息量 | 第49-50页 |
| 4.4.4 条件互信息量 | 第50页 |
| 4.4.5 平均互信息量 | 第50-51页 |
| 4.4.6 平均条件互信息量 | 第51页 |
| 4.5 贝叶斯网的学习方法 | 第51-57页 |
| 4.5.1 贝叶斯网络结构的学习 | 第52-55页 |
| 4.5.2 条件概率的学习 | 第55-57页 |
| 4.6 PIR 系统中的贝叶斯网应用 | 第57-62页 |
| 4.6.1 PIR 系统中的贝叶斯网学习算法 | 第57-61页 |
| 4.6.2 PIR 系统中的贝叶斯网推理算法 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第5章 PIR 系统设计与实现 | 第63-80页 |
| 5.1 实际应用中的需求 | 第63-64页 |
| 5.1.1 实时性 | 第63页 |
| 5.1.2 动态性 | 第63页 |
| 5.1.3 准确性 | 第63-64页 |
| 5.2 实现技术的选择 | 第64-69页 |
| 5.2.1 J2EE 应用程序模型 | 第64-66页 |
| 5.2.2 J 2EE 核心技术 | 第66-69页 |
| 5.3 系统设计 | 第69-78页 |
| 5.3.1 电子商务网站构架 | 第69-72页 |
| 5.3.2 网上智能推荐模块 | 第72-73页 |
| 5.3.3 开放性智能推荐系统接口设计 | 第73-76页 |
| 5.3.4 系统配置文件设计 | 第76-78页 |
| 5.4 PIR 系统功能简介 | 第78-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第6章 试验结果与分析 | 第80-85页 |
| 6.1 贝叶斯网学习算法分析 | 第80-82页 |
| 6.2 商品推荐结果分析 | 第82-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士研究生期间参与发表的论文 | 第90-91页 |
| 致谢 | 第91页 |
