基于二值属性聚类的个性化系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 概述 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·课题的研究背景 | 第8-10页 |
| ·论文目标及创新工作 | 第10页 |
| ·论文的主要内容 | 第10-12页 |
| 第二章 Web数据挖掘中的聚类分析 | 第12-27页 |
| ·Web数据挖掘技术概述 | 第12-16页 |
| ·Web内容挖掘 | 第13页 |
| ·Web结构挖掘 | 第13页 |
| ·Web用法挖掘(日志挖掘) | 第13-16页 |
| ·Web数据挖掘技术现状分析 | 第16-18页 |
| ·聚类分析概述 | 第18-21页 |
| ·数据结构 | 第19页 |
| ·数据类型 | 第19-20页 |
| ·基本的相似度量方式 | 第20-21页 |
| ·主要聚类算法的分类 | 第21-22页 |
| ·常用的基于层次的聚类算法 | 第22-25页 |
| ·孤立点分析及聚类结果的评价 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 分类属性聚类 | 第27-38页 |
| ·ROCK算法 | 第27-29页 |
| ·二值属性 | 第29-31页 |
| ·Web日志中的聚类分析 | 第31-32页 |
| ·考虑时间量的聚类分析 | 第32-34页 |
| ·理论依据: Zipf定律与二八律分布 | 第32-33页 |
| ·时间量转换算法 | 第33-34页 |
| ·改进ROCK算法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 网络学习个性化推荐系统 | 第38-46页 |
| ·个性化技术的需求 | 第38-40页 |
| ·个性化的定义 | 第38页 |
| ·个性化推荐的实现技术 | 第38-39页 |
| ·获得用户访问信息的方法 | 第39-40页 |
| ·个性化推荐与Web挖掘 | 第40页 |
| ·网络学习个性化的需求 | 第40-42页 |
| ·网络学习个性化推荐的原型系统设计 | 第42-45页 |
| ·构建个性化的网络学习模型 | 第42-44页 |
| ·网络学习个性化推荐原型系统框架 | 第44页 |
| ·网络学习个性化推荐原型系统结构分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 网络学习个性化系统的仿真实验 | 第46-51页 |
| ·网络学习个性化推荐系统的有效性 | 第46-47页 |
| ·仿真实验一 | 第46-47页 |
| ·仿真实验二 | 第47页 |
| ·ROCK算法性能的测试 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| ·总结 | 第51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 附录1 攻读硕士学位期间的科研成果 | 第56-57页 |
| 附录2 改进ROCK算法部分代码 | 第57-60页 |
