对于Web用户分类与个性化浏览模式提取的研究
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-16页 |
| ·课题背景及意义 | 第12页 |
| ·国内外研究现状 | 第12-15页 |
| ·论文的主要研究工作 | 第15页 |
| ·论文内容安排 | 第15-16页 |
| 第2章 Web日志挖掘概述 | 第16-25页 |
| ·挖掘过程 | 第16页 |
| ·数据收集 | 第16-18页 |
| ·基本概念和数据类型 | 第16-17页 |
| ·数据收集 | 第17-18页 |
| ·数据特性 | 第18页 |
| ·数据预处理 | 第18-21页 |
| ·站点识别 | 第19页 |
| ·网页编码 | 第19页 |
| ·数据净化 | 第19-20页 |
| ·用户识别 | 第20页 |
| ·会话识别 | 第20-21页 |
| ·聚类与分类 | 第21页 |
| ·分类 | 第21页 |
| ·聚类 | 第21页 |
| ·模式发现与分析 | 第21-23页 |
| ·模式发现 | 第21-22页 |
| ·模式分析 | 第22-23页 |
| ·web日志挖掘的应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于浏览行为的用户聚类研究 | 第25-36页 |
| ·聚类算法介绍 | 第25-27页 |
| ·自组织特征映射SOM | 第26页 |
| ·K-平均(K-Means)聚类算法 | 第26-27页 |
| ·基于点击次数统计的用户聚类 | 第27-29页 |
| ·说明 | 第27-28页 |
| ·算法描述 | 第28页 |
| ·举例 | 第28-29页 |
| ·基于会话切分的用户聚类 | 第29-30页 |
| ·SAM距离 | 第29-30页 |
| ·算法描述 | 第30页 |
| ·会话聚类 | 第30页 |
| ·基于浏览兴趣的用户及页面聚类 | 第30-34页 |
| ·概念阐述 | 第31-32页 |
| ·用户页面矩阵的建立 | 第32页 |
| ·相似矩阵的建立 | 第32-33页 |
| ·聚类算法描述 | 第33-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于浏览行为的用户分类研究 | 第36-43页 |
| ·主要分类算法介绍 | 第36-37页 |
| ·K-近邻法(KNN) | 第36页 |
| ·朴素贝叶斯算法 | 第36-37页 |
| ·支持向量机研究 | 第37-39页 |
| ·基本思想 | 第37-38页 |
| ·SVM多类算法 | 第38-39页 |
| ·核函数 | 第39页 |
| ·基于支持向量机的用户多分类 | 第39-41页 |
| ·说明 | 第40页 |
| ·多分类支持向量机的建立 | 第40-41页 |
| ·分类步骤 | 第41页 |
| ·实验结果及分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 分类用户的 Web频繁浏览模式提取 | 第43-52页 |
| ·Apriori算法 | 第43-44页 |
| ·FP-growth算法 | 第44-46页 |
| ·基于BQ-tree的快速频繁模式挖掘算法 | 第46-50页 |
| ·说明 | 第46-47页 |
| ·会话页面矩阵的生成 | 第47页 |
| ·BQ-tree的生成 | 第47-48页 |
| ·遍历BQ-tree树提取频繁模式 | 第48-49页 |
| ·举例 | 第49-50页 |
| ·实验结果及分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第59页 |
