| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究的目的及意义 | 第11-14页 |
| ·研究背景 | 第11-12页 |
| ·研究目的 | 第12页 |
| ·研究意义 | 第12-14页 |
| ·web日志挖掘的研究现状 | 第14-15页 |
| ·用户访问预测面临的挑战 | 第15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 web日志挖掘 | 第17-34页 |
| ·数据挖掘 | 第17-23页 |
| ·数据挖掘的产生 | 第17页 |
| ·数据挖掘的定义 | 第17-19页 |
| ·数据挖掘的分类 | 第19-22页 |
| ·数据挖掘的应用 | 第22-23页 |
| ·web挖掘 | 第23-25页 |
| ·web挖掘的分类 | 第23-25页 |
| ·web日志挖掘的详细介绍 | 第25-33页 |
| ·web日志介绍 | 第25-27页 |
| ·web日志预处理 | 第27-32页 |
| ·web日志挖掘的应用 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于 Markov链和关联规则的用户访问预测算法 | 第34-53页 |
| ·当前研究现状 | 第34-35页 |
| ·预测的概率模型 | 第35页 |
| ·Markov过程 | 第35-37页 |
| ·关联规则 | 第37-39页 |
| ·基于 Markov链和关联规则的预测算法 | 第39-47页 |
| ·二阶 Markov链模型 | 第39-41页 |
| ·二阶 Markov链预测算法(MPA) | 第41-42页 |
| ·二项关联规则挖掘算法 | 第42-45页 |
| ·基于 Markov链和关联规则的预测算法(MAPA) | 第45-47页 |
| ·实验结果及分析 | 第47-52页 |
| ·实验数据介绍 | 第47-48页 |
| ·预测准确率定义 | 第48页 |
| ·二阶Markov预测分析 | 第48-49页 |
| ·基于Markov链和关联规则的预测分析 | 第49-51页 |
| ·实验结果与点击流树模型对比 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 带反馈的 Markov预测模型 | 第53-62页 |
| ·历史预测树 | 第53-55页 |
| ·带反馈的Markov预测模型 | 第55-59页 |
| ·查询算法 | 第55-57页 |
| ·带反馈的Markov预测算法 | 第57-59页 |
| ·实验结果分析 | 第59-61页 |
| ·实验数据 | 第59页 |
| ·带反馈的Markov预测模型实验分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·下一步工作 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 研究生期间发表的论文 | 第69页 |