基于Web日志挖掘和关联规则的个性化推荐系统模型研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 Web日志挖掘研究现状 | 第10页 |
| 1.2.2 推荐系统研究现状 | 第10-11页 |
| 1.3 论文主要研究内容和创新点 | 第11-12页 |
| 1.3.1 论文主要研究内容 | 第11页 |
| 1.3.2 论文主要创新点 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第2章 相关理论概况 | 第13-23页 |
| 2.1 数据挖掘 | 第13-16页 |
| 2.1.1 数据挖掘背景 | 第13页 |
| 2.1.2 数据挖掘的过程 | 第13-15页 |
| 2.1.3 数据挖掘方法 | 第15-16页 |
| 2.2 Web数据挖掘 | 第16-19页 |
| 2.2.1 Web数据挖掘背景 | 第16页 |
| 2.2.2 Web数据挖掘分类 | 第16-18页 |
| 2.2.3 Web数据挖掘处理流程 | 第18-19页 |
| 2.3 Web日志挖掘 | 第19-20页 |
| 2.3.1 Web日志挖掘背景与应用 | 第19-20页 |
| 2.3.2 Web日志挖掘流程 | 第20页 |
| 2.4 Apriori算法 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 Web日志挖掘预处理技术 | 第23-32页 |
| 3.1 Web日志挖掘数据源 | 第23-25页 |
| 3.1.1 客户端数据 | 第23页 |
| 3.1.2 代理服务器端数据 | 第23页 |
| 3.1.3 服务端数据 | 第23-25页 |
| 3.2 Web日志挖掘预处理的过程 | 第25页 |
| 3.3 Web日志挖掘的预处理 | 第25-31页 |
| 3.3.1 数据清理 | 第25-26页 |
| 3.3.2 用户识别 | 第26-28页 |
| 3.3.3 会话识别 | 第28页 |
| 3.3.4 路径补充 | 第28-29页 |
| 3.3.5 事务识别 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 Web使用挖掘中的频繁访问模式发现 | 第32-44页 |
| 4.1 关联规则概述 | 第32-34页 |
| 4.1.1 关联规则的相关定义 | 第32-33页 |
| 4.1.2 关联规则的分类 | 第33-34页 |
| 4.2 经典关联规则挖掘算法 | 第34-37页 |
| 4.2.1 Apriori算法 | 第34-35页 |
| 4.2.2 Apriori算法举例 | 第35-37页 |
| 4.2.3 Apriori算法性能分析 | 第37页 |
| 4.3 加权关联规则挖掘 | 第37-43页 |
| 4.3.1 加权关联规则模型 | 第37-38页 |
| 4.3.2 W-Apriori算法 | 第38-42页 |
| 4.3.3 算法性能分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于Web日志挖掘的个性化推荐研究及应用 | 第44-54页 |
| 5.1 系统框架设计 | 第44-45页 |
| 5.2 系统运行软硬件环境 | 第45页 |
| 5.3 离线推荐模块 | 第45-51页 |
| 5.3.1 Web日志预处理模块 | 第45-50页 |
| 5.3.2 频繁访问模式发现 | 第50-51页 |
| 5.4 在线推荐模块 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 现有工作总结 | 第54-55页 |
| 6.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-61页 |
| 发表论文 | 第61页 |
