| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究目的及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-16页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-15页 |
| 1.2.3 国内外研究述评 | 第15-16页 |
| 1.3 研究方法及技术路线 | 第16-19页 |
| 1.3.1 本文研究方法 | 第16-17页 |
| 1.3.2 本文技术路线 | 第17-19页 |
| 1.4 研究内容及创新点 | 第19-21页 |
| 1.4.1 主要研究内容 | 第19-20页 |
| 1.4.2 本文的创新点 | 第20-21页 |
| 第2章 相关理论概述 | 第21-34页 |
| 2.1 电子商务用户行为 | 第21-22页 |
| 2.1.1 电子商务概述 | 第21页 |
| 2.1.2 电子商务用户行为的定义 | 第21-22页 |
| 2.1.3 电子商务用户行为分析的内容 | 第22页 |
| 2.2 Web数据挖掘技术 | 第22-30页 |
| 2.2.1 Web数据挖掘的定义 | 第22-23页 |
| 2.2.2 Web数据挖掘的分类 | 第23-25页 |
| 2.2.3 Web数据挖掘的流程 | 第25-27页 |
| 2.2.4 Web数据挖掘的常用技术 | 第27-30页 |
| 2.3 个性化推荐系统 | 第30-33页 |
| 2.3.1 个性化推荐系统的简介 | 第30-31页 |
| 2.3.2 个性化推荐系统的作用 | 第31-32页 |
| 2.3.3 个性化推荐系统的推荐方法 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 Web数据挖掘在电子商务中的应用 | 第34-40页 |
| 3.1 电商中应用背景及Web数据分析的类型 | 第34-35页 |
| 3.1.1 商业应用背景 | 第34页 |
| 3.1.2 Web数据分析的类型 | 第34-35页 |
| 3.2 电商中Web挖掘的数据来源及特点 | 第35-37页 |
| 3.2.1 Web挖掘的数据来源 | 第35-36页 |
| 3.2.2 Web挖掘的数据特点 | 第36-37页 |
| 3.3 电商中Web挖掘的应用价值 | 第37-39页 |
| 3.3.1 挖掘潜在客户 | 第37页 |
| 3.3.2 提供个性化服务 | 第37页 |
| 3.3.3 改进站点设计 | 第37-38页 |
| 3.3.4 聚类客户 | 第38页 |
| 3.3.5 搜索引擎的应用 | 第38页 |
| 3.3.6 广告效益评估 | 第38-39页 |
| 3.3.7 网络安全 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于电子商务用户行为的Web挖掘模型构建 | 第40-58页 |
| 4.1 数据理解与准备 | 第40-45页 |
| 4.1.1 数据理解 | 第40-42页 |
| 4.1.2 数据准备 | 第42-45页 |
| 4.2 Web挖掘模型的构建与分析 | 第45-56页 |
| 4.2.1 使用分类分析构建用户购买行为预测模型 | 第45-46页 |
| 4.2.2 使用聚类分析构建商品推荐模型 | 第46-52页 |
| 4.2.3 使用决策树C5.0算法构建用户细分模型 | 第52-53页 |
| 4.2.4 使用关联分析Apriori算法构建商品特征分析模型 | 第53-56页 |
| 4.3 本章小结 | 第56-58页 |
| 第5章 商品推荐模型在MQ音像商城中的应用与实现 | 第58-74页 |
| 5.1 商品个性化推荐系统的设计 | 第58-67页 |
| 5.1.1 系统总体框架设计 | 第58-60页 |
| 5.1.2 离线模块系统设计 | 第60页 |
| 5.1.3 在线模块系统设计 | 第60-61页 |
| 5.1.4 数据表结构设计 | 第61-67页 |
| 5.2 商品个性化推荐系统的实现 | 第67-73页 |
| 5.2.1 开发平台和工具 | 第67-68页 |
| 5.2.2 主要运行界面 | 第68-73页 |
| 5.3 本章小结 | 第73-74页 |
| 第6章 全文总结与研究展望 | 第74-77页 |
| 6.1 工作总结与不足 | 第74-75页 |
| 6.2 未来展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间发表的论文 | 第83-84页 |