| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内现状研究 | 第12-13页 |
| ·研究意义 | 第13页 |
| ·组织结构 | 第13-15页 |
| 2 相关理论介绍 | 第15-30页 |
| ·Web 数据挖掘 | 第15-20页 |
| ·Web 数据挖掘概念 | 第15页 |
| ·Web 数据挖掘分类 | 第15-19页 |
| ·Web 挖掘的优越性 | 第19-20页 |
| ·Web 日志预处理 | 第20-23页 |
| ·web 日志分析 | 第20-21页 |
| ·日志预处理一般过程 | 第21-23页 |
| ·Web 挖掘在电子商务中的应用 | 第23-26页 |
| ·电子商务 Web 挖掘数据源[33,34] | 第23-25页 |
| ·电子商务 Web 挖掘过程 | 第25-26页 |
| ·基于 web 日志挖掘的个性推荐系统 | 第26-30页 |
| ·个性推荐系统概述 | 第26-28页 |
| ·个性推荐系统框架设计 | 第28-30页 |
| 3 聚类分析算法研究 | 第30-40页 |
| ·常用聚类方法[1] | 第30-31页 |
| ·划分方法(partitioning method) | 第30页 |
| ·层次方法(hierarchical method) | 第30-31页 |
| ·基于密度的方法(density 一 based method) | 第31页 |
| ·模糊聚类方法(Fuzzy Clustering) | 第31页 |
| ·层次聚类方法 | 第31-34页 |
| ·层次聚类算法介绍 | 第31-33页 |
| ·改进的凝聚层次聚类算法 | 第33-34页 |
| ·模糊 C 均值聚类算法 | 第34-36页 |
| ·模糊集基本知识 | 第34-35页 |
| ·模糊 C 均值聚类[1] | 第35-36页 |
| ·改进的层次聚类与 FCM 聚类方法(NHMF) | 第36-40页 |
| ·初始聚类中心 | 第37页 |
| ·样本间距离 | 第37页 |
| ·合并类方法 | 第37-38页 |
| ·价值函数 | 第38页 |
| ·模糊加权指数 | 第38页 |
| ·算法描述 | 第38-39页 |
| ·算法优缺点 | 第39-40页 |
| 4 基于某网站 web 日志挖掘的个性推荐研究 | 第40-50页 |
| ·数据预处理 | 第40-43页 |
| ·用户聚类分析 | 第43-50页 |
| 5 总结和展望 | 第50-51页 |
| ·总结 | 第50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者简历 | 第54-56页 |
| 学位论文数据集 | 第56-57页 |
