基于Web挖掘的信息推荐技术研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-10页 |
| 1 绪论 | 第10-20页 |
| ·选题背景及研究意义 | 第10-12页 |
| ·选题背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·论文的研究内容、研究现状及存在问题 | 第12-17页 |
| ·论文的研究内容 | 第12-13页 |
| ·研究现状及存在问题 | 第13-17页 |
| ·Web 搜索推荐技术 | 第13-14页 |
| ·站内导航推荐技术 | 第14-15页 |
| ·电子商务推荐技术 | 第15-17页 |
| ·论文主要工作和结构 | 第17-20页 |
| ·论文的主要工作 | 第17-18页 |
| ·论文的结构 | 第18-20页 |
| 2 Web 挖掘技术 | 第20-40页 |
| ·Web 挖掘技术概述 | 第20-21页 |
| ·Web 挖掘定义 | 第20页 |
| ·Web 挖掘分类 | 第20-21页 |
| ·Web 内容挖掘 | 第21-25页 |
| ·Web 结构挖掘 | 第25-30页 |
| ·PageRank 算法 | 第25-27页 |
| ·HITS 算法 | 第27-29页 |
| ·其他算法及归类 | 第29-30页 |
| ·Web 使用挖掘 | 第30-36页 |
| ·Web 日志格式 | 第30-31页 |
| ·数据预处理 | 第31-33页 |
| ·模式挖掘 | 第33-36页 |
| ·统计分析方法 | 第34页 |
| ·关联规则挖掘技术 | 第34页 |
| ·序列模式挖掘技术 | 第34-35页 |
| ·分类技术 | 第35页 |
| ·聚类技术 | 第35页 |
| ·路径分析技术 | 第35-36页 |
| ·Web 挖掘中存在的问题及发展趋势 | 第36-38页 |
| ·当前Web挖掘中存在的问题 | 第36-37页 |
| ·Web 挖掘技术发展趋势 | 第37-38页 |
| ·本章小节 | 第38-40页 |
| 3 Web 搜索推荐研究 | 第40-56页 |
| ·引言 | 第40-41页 |
| ·相关工作 | 第41-42页 |
| ·Google 搜索推荐算法 | 第41-42页 |
| ·主题敏感推荐算法 | 第42页 |
| ·主题关注度推荐算法 | 第42-45页 |
| ·同主题页面分别状态分析 | 第43页 |
| ·主题关注度计算 | 第43-45页 |
| ·推荐结果评价 | 第45页 |
| ·主题关注度算法改进 | 第45-47页 |
| ·实验结果分析 | 第47-49页 |
| ·主题关注推荐算法实验 | 第47-48页 |
| ·改进的主题关注推荐算法实验 | 第48页 |
| ·主题关注推荐算法分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| ·附录 | 第50-56页 |
| 4 站内导航推荐技术研究 | 第56-68页 |
| ·引言 | 第56页 |
| ·相关工作 | 第56-57页 |
| ·频繁访问序列挖掘 | 第56-57页 |
| ·聚类分析 | 第57页 |
| ·蚁群聚类概述 | 第57-58页 |
| ·基于蚁群聚类的用户访问模式分析算法 | 第58-61页 |
| ·用户访问特征表示 | 第58-60页 |
| ·组合相似性计算及概率转换函数 | 第60页 |
| ·用户发问模式蚁群聚类算法描述 | 第60-61页 |
| ·增量蚁群聚类 | 第61-63页 |
| ·实验结果分析 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 5 电子商务推荐技术研究 | 第68-86页 |
| ·引言 | 第68-69页 |
| ·相关工作 | 第69-70页 |
| ·协同过滤研究 | 第69-70页 |
| ·相似度计算 | 第70页 |
| ·基于项目评分迭代补偿的协同过滤推荐算法 | 第70-79页 |
| ·基于SimRank 的协同过滤相似度计算 | 第71-72页 |
| ·依据用户评分习惯的相似度计算改进 | 第72-73页 |
| ·缺失评分迭代补偿 | 第73-74页 |
| ·基于项目、用户聚类的迭代关系增强 | 第74-76页 |
| ·最近邻选择及推荐 | 第76-78页 |
| ·用户可信度及项目重要度分析 | 第78-79页 |
| ·算法对比实验结果分析 | 第79-85页 |
| ·实验数据集 | 第79-80页 |
| ·评价参数 | 第80页 |
| ·性能比较 | 第80-85页 |
| ·算法推荐效果比较 | 第81-82页 |
| ·数据稀疏状况性能分析 | 第82页 |
| ·参数设置 | 第82-84页 |
| ·不同缺失评分弥补方案效果对比 | 第84页 |
| ·鲁棒性能测试 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 6 基于 Web 挖掘的信息推荐系统设计 | 第86-108页 |
| ·简介 | 第86-91页 |
| ·基于 Java 的全文检索平台——Lucene | 第86-88页 |
| ·Larbin | 第88-89页 |
| ·Nutch | 第89-91页 |
| ·YZSE 信息推荐系统系统体系结构 | 第91-93页 |
| ·YZSE 信息推荐系统主要模块设计与实现 | 第93-103页 |
| ·爬虫子系统 | 第94-96页 |
| ·信息抽取子系统 | 第96-99页 |
| ·信息推荐子系统 | 第99-103页 |
| ·系统测试 | 第103-107页 |
| ·本章小结 | 第107-108页 |
| 7 总结与展望 | 第108-110页 |
| ·本文工作总结 | 第108-109页 |
| ·进一步工作展望 | 第109-110页 |
| 参考文献 | 第110-116页 |
| 攻读硕士学位期间发表论文及参加科研项目 | 第116-118页 |
| 致谢 | 第118页 |
