基于移动校园应用的用户行为分析及性能改进
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究工作的背景 | 第9-12页 |
| 1.1.1 移动校园应用的产生 | 第9-10页 |
| 1.1.2 移动校园应用的现状 | 第10-12页 |
| 1.2 研究工作的意义 | 第12-13页 |
| 1.3 数据挖掘研究现状和挑战 | 第13-15页 |
| 1.3.1 发展现状 | 第13页 |
| 1.3.2 应用领域 | 第13-14页 |
| 1.3.3 面临的挑战 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-26页 |
| 2.1 数据挖掘 | 第16-22页 |
| 2.1.1 数据挖掘的功能 | 第16-17页 |
| 2.1.2 数据挖掘的基本流程 | 第17-18页 |
| 2.1.3 数据挖掘与OLAP | 第18-19页 |
| 2.1.4 软件选择 | 第19-22页 |
| 2.2 本文涉及的主要挖掘算法 | 第22-25页 |
| 2.2.1 关联分析 | 第22-23页 |
| 2.2.2 聚类分析 | 第23-24页 |
| 2.2.3 时间序列预测 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 用户行为分析建模 | 第26-33页 |
| 3.1 用户行为分析数据库构建 | 第26-30页 |
| 3.1.1 移动校园应用数据理解 | 第26-27页 |
| 3.1.2 构建分析数据库 | 第27-30页 |
| 3.2 用户行为分析主题 | 第30页 |
| 3.3 用户行为分析建模 | 第30-31页 |
| 3.4 数据挖掘和OLAP在用户行为分析中的运用 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 用户行为分析 | 第33-56页 |
| 4.1 用户属性特征描述 | 第33-38页 |
| 4.2 用户行为模式分析 | 第38-55页 |
| 4.2.1 栏目访问记录聚类分析 | 第38-44页 |
| 4.2.2 图书借阅关联规则分析 | 第44-46页 |
| 4.2.3 门户登录日志时间序列分析 | 第46-51页 |
| 4.2.4 一卡通消费时间序列分析 | 第51-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 性能改进 | 第56-71页 |
| 5.1 用户层设计优化 | 第56-58页 |
| 5.2 应用层图书推荐后台实现 | 第58-61页 |
| 5.3 后台数据处理优化 | 第61-70页 |
| 5.3.1 数据文件存储结构优化 | 第62-63页 |
| 5.3.2 数据抽取策略优化 | 第63-70页 |
| 5.3.3 实现和问题 | 第70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 全文总结与展望 | 第71-72页 |
| 6.1 全文总结 | 第71页 |
| 6.2 后续工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-80页 |
