| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究目标及主要工作 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第2章 研究基础 | 第14-26页 |
| ·用户浏览行为 | 第14-16页 |
| ·用户浏览行为分类 | 第14页 |
| ·用户浏览行为的获取方法 | 第14-15页 |
| ·用户浏览行为研究现状 | 第15-16页 |
| ·用户兴趣建模 | 第16-18页 |
| ·用户兴趣模型表示 | 第16-17页 |
| ·用户兴趣建模研究现状 | 第17-18页 |
| ·M5模型树 | 第18-21页 |
| ·模型树的构建 | 第18-19页 |
| ·线性回归模型 | 第19-21页 |
| ·相关技术 | 第21-25页 |
| ·BHO技术 | 第21-22页 |
| ·决策树分类算法 | 第22-23页 |
| ·向量空间模型 | 第23页 |
| ·SVM | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 面向用户兴趣的用户行为分析基础及框架 | 第26-40页 |
| ·用户浏览行为分析过程 | 第26-28页 |
| ·用户浏览行为模型 | 第28-34页 |
| ·用户浏览行为获取 | 第28-31页 |
| ·用户浏览行为建模 | 第31-34页 |
| ·模型的评价与更新 | 第34页 |
| ·用户兴趣模型 | 第34-38页 |
| ·用户兴趣模型的构建 | 第35-37页 |
| ·用户兴趣模型的评价 | 第37-38页 |
| ·面向用户兴趣的多特征用户行为分析框架 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于M5模型的用户行为分析方法 | 第40-52页 |
| ·可分析行为事件相关定义 | 第40-41页 |
| ·页面停留时间 | 第40页 |
| ·鼠标点击次数 | 第40-41页 |
| ·页面重访问次数 | 第41页 |
| ·滑块移动次数 | 第41页 |
| ·基于M5的用户行为模型 | 第41-48页 |
| ·基于M5的用户行为分析过程 | 第42-45页 |
| ·基于M5的用户行为分析算法 | 第45-46页 |
| ·基于M5的用户行为分析结果 | 第46-48页 |
| ·实验分析 | 第48-51页 |
| ·实验数据 | 第48-49页 |
| ·搜索任务类型对用户浏览行为的影响 | 第49-50页 |
| ·和Nicholas Belkin的对比实验 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于分类的用户兴趣建模 | 第52-60页 |
| ·基于分类的用户兴趣模型结构 | 第52-53页 |
| ·基于搜狐语料的SVM分类器 | 第53-54页 |
| ·基于分类的用户兴趣建模过程 | 第54-57页 |
| ·文档类别矩阵的构建 | 第55页 |
| ·带权文档特征词矩阵的构建 | 第55-56页 |
| ·用户兴趣分布的确定 | 第56-57页 |
| ·基于分类的用户兴趣模型的评价 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 面向用户兴趣的用户行为分析系统的设计与实现 | 第60-74页 |
| ·系统总体设计 | 第60-65页 |
| ·系统体系结构 | 第60-62页 |
| ·数据库设计 | 第62-64页 |
| ·核心类设计 | 第64-65页 |
| ·用户浏览行为获取工具 | 第65-67页 |
| ·用户浏览行为采集功能的实现 | 第66-67页 |
| ·数据上传功能的实现 | 第67页 |
| ·用户浏览行为分析模型的实现 | 第67-71页 |
| ·自动化识别任务类型 | 第68-69页 |
| ·数据预处理功能的实现 | 第69-70页 |
| ·基于M5的用户行为模型的实现 | 第70-71页 |
| ·分类兴趣模型的实现 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第7章 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |