| 第一章 绪 论 | 第6-12页 |
| 1.1 数据挖掘基础知识 | 第6-9页 |
| 1.2 分类与预测的基础知识 | 第9-10页 |
| 1.3 NERMS系统介绍 | 第10-11页 |
| 1.4 决策树算法在NERMS系统中的应用 | 第11页 |
| 1.5 本文的主要工作及组织结构 | 第11-12页 |
| 第二章 决策树算法理论 | 第12-21页 |
| 2.1 决策树算法中的属性分析 | 第13-15页 |
| 2.1.1 属性相关分析目的 | 第13-14页 |
| 2.1.2 属性相关分析过程 | 第14-15页 |
| 2.1.3 属性相关分析方法 | 第15页 |
| 2.2 决策树基础知识 | 第15-17页 |
| 2.2.1 信息理论 (Information Theory)和熵(Entropy) | 第15-16页 |
| 2.2.2 信息增益 (information gain) | 第16页 |
| 2.2.3 Gain函数 | 第16-17页 |
| 2.3 决策树的有效性 | 第17页 |
| 2.4 决策树的扩展性 | 第17-21页 |
| 第三章 NERMS中用户分类的设计 | 第21-38页 |
| 3.1 用户分类模块中的用户属性归纳 | 第22-26页 |
| 3.1.1 基于属性的归纳方法的基本思想 | 第23-24页 |
| 3.1.2 用户分类模块中的用户属性的归纳算法 | 第24-26页 |
| 3.2 用户分类模块中的用户属性处理 | 第26-29页 |
| 3.2.1 用户属性处理算法介绍 | 第26-28页 |
| 3.2.2 用户分类中连续属性的离散化过程 | 第28-29页 |
| 3.3 用户分类模块中决策树构造过程 | 第29-37页 |
| 3.3.1 决策树构造算法介绍 | 第29-30页 |
| 3.3.2 决策树算法中属性选择方法 | 第30-33页 |
| 3.3.3 决策树算法的描述 | 第33-37页 |
| 3.4 用户分类模块中的用户分类预测 | 第37-38页 |
| 第四章 NERMS中用户分类的实现 | 第38-47页 |
| 4.1 NERMS功能概要设计 | 第38-40页 |
| 4.1.1 NERMS的体系架构 | 第38-39页 |
| 4.1.2 NERMS的系统运行机制 | 第39-40页 |
| 4.2 用户特征分类功能模块工作流程 | 第40-41页 |
| 4.3 用户特征分类功能的实现细节 | 第41-45页 |
| 4.4 用户特征分类模块的实验结果 | 第45-47页 |
| 第五章 工作总结与展望 | 第47-48页 |
| 参 考 文 献 | 第48-50页 |
| 致 谢 | 第50-51页 |
| 中 文 摘 要 | 第51-53页 |
| Abstract | 第53页 |