| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 1 绪论 | 第11-15页 |
| ·论文选题背景和研究意义 | 第11页 |
| ·WEB 挖掘和自适应网站研究现状 | 第11-13页 |
| ·本文研究内容 | 第13-15页 |
| 2 相关概念和技术 | 第15-25页 |
| ·数据挖掘和WEB 挖掘 | 第15-17页 |
| ·数据挖掘 | 第15-16页 |
| ·Web 数据挖掘 | 第16-17页 |
| ·Web 数据挖掘的难点 | 第17页 |
| ·关联规则 | 第17-20页 |
| ·关联规则描述 | 第18页 |
| ·Apriori 算法 | 第18-19页 |
| ·Apriori 算法分析改进 | 第19-20页 |
| ·FP—GROWTH 算法 | 第20-21页 |
| ·挖掘 FP-tree | 第21页 |
| ·聚类规则 | 第21-24页 |
| ·聚类分析的主要方法 | 第22-24页 |
| ·蚁群聚类 | 第24页 |
| ·本章小结 | 第24-25页 |
| 3 日志数据预处理分析 | 第25-32页 |
| ·自适应需求分析 | 第25页 |
| ·从WEB 挖掘的角度看网络 | 第25-26页 |
| ·用户访问模式 | 第26-27页 |
| ·WEB 使用挖掘的数据预处理 | 第27-31页 |
| ·日志记录 | 第28页 |
| ·数据预处理的四个阶段 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于关联规则的挖掘 | 第32-45页 |
| ·关联规则应用于推荐 | 第32-34页 |
| ·推荐思想 | 第32-33页 |
| ·推荐步骤 | 第33页 |
| ·存在问题 | 第33-34页 |
| ·相关工作 | 第34页 |
| ·应用关联规则的改进—目标网页期望定位 | 第34-40页 |
| ·问题提出 | 第34-35页 |
| ·访问模式分析 | 第35-37页 |
| ·会话序列的提取 | 第37页 |
| ·挖掘频繁序列算法FFS | 第37-38页 |
| ·生成推荐链接列表(RLL) | 第38-39页 |
| ·实验分析 | 第39-40页 |
| ·应用关联规则的改进—闭相关页面集 | 第40-44页 |
| ·问题提出 | 第40页 |
| ·基于位矢量建立网站访问模型 | 第40-41页 |
| ·挖掘闭相关页面集 | 第41-44页 |
| ·实验分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 5 基于聚类方法的挖掘 | 第45-55页 |
| ·蚁群算法(ANT COLONY ALGORITHM) | 第45-46页 |
| ·LF 算法分析和改进 | 第46-48页 |
| ·信息素和短时间记忆对蚂蚁移动的影响 | 第48页 |
| ·AACA(ADAPTIVE ANT COLONY ALGORITHM)算法 | 第48-50页 |
| ·AACA 算法(AACA)挖掘相关页面集 | 第50-52页 |
| ·网站访问模型 | 第50-51页 |
| ·增量式挖掘相关页面集 | 第51-52页 |
| ·试验分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 实现网站自适应 | 第55-61页 |
| ·问题提出 | 第55页 |
| ·动态推荐的实现 | 第55-58页 |
| ·建立推荐树 | 第56-57页 |
| ·推荐树生成推荐图 | 第57-58页 |
| ·推荐图实现网站自适应 | 第58页 |
| ·评价测度 | 第58-59页 |
| ·两种挖掘相关页面集方法的比较 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 7 自适应网站的原型系统 | 第61-67页 |
| ·设计思想 | 第61页 |
| ·体系结构 | 第61-62页 |
| ·系统功能 | 第62-63页 |
| ·离线处理部分 | 第62-63页 |
| ·在线推荐部分 | 第63页 |
| ·系统接口设计 | 第63-64页 |
| ·系统实现 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 8 总结 | 第67-70页 |
| ·本文的主要贡献 | 第67页 |
| ·一些重要结论 | 第67-68页 |
| ·进一步的工作 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第74-75页 |
| 独创性声明 | 第75页 |
| 学位论文版权使用授权书 | 第75页 |