| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-31页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.3 论文相关领域国内外研究现状 | 第14-27页 |
| 1.3.1 客户需求获取 | 第15-18页 |
| 1.3.2 领域本体构建 | 第18-21页 |
| 1.3.3 信息抽取 | 第21-24页 |
| 1.3.4 Web使用挖掘 | 第24-27页 |
| 1.4 当前研究存在的不足 | 第27-28页 |
| 1.5 课题的项目支撑 | 第28页 |
| 1.6 论文研究内容 | 第28-31页 |
| 第2章 概念界定、理论基础与方法框架 | 第31-51页 |
| 2.1 概念界定 | 第31-37页 |
| 2.1.1 营销型企业网站 | 第31-33页 |
| 2.1.2 客户需求 | 第33-35页 |
| 2.1.3 网站访问行为 | 第35-36页 |
| 2.1.4 客户特征及分类 | 第36-37页 |
| 2.2 理论基础 | 第37-45页 |
| 2.2.1 全信息理论 | 第37-41页 |
| 2.2.2 消费者信息处理及决策理论 | 第41-45页 |
| 2.3 方法框架 | 第45-49页 |
| 2.3.1 客车产品市场特征及其网络营销过程分析 | 第45-47页 |
| 2.3.2 面向客车产品的基于企业网站访问行为的客户需求获取框架 | 第47-49页 |
| 2.4 本章小结 | 第49-51页 |
| 第3章 客车产品客户需求知识库的构建方法 | 第51-71页 |
| 3.1 引言 | 第51-52页 |
| 3.2 客车产品客户需求知识库的架构 | 第52-53页 |
| 3.3 客车产品客户需求知识库概念模型 | 第53-57页 |
| 3.3.1 客户需求知识表示 | 第54-55页 |
| 3.3.2 客户需求知识库概念模型的构建 | 第55-57页 |
| 3.4 客车产品客户需求知识库模板 | 第57-61页 |
| 3.4.1 知识库模板的定义及结构 | 第57-58页 |
| 3.4.2 知识库模板的构建方法 | 第58-61页 |
| 3.5 客车产品客户需求的知识获取 | 第61-64页 |
| 3.5.1 基于Stalker算法的数据抽取方法 | 第61-64页 |
| 3.5.2 客户需求知识库的生成 | 第64页 |
| 3.6 实验与评价 | 第64-70页 |
| 3.7 本章小结 | 第70-71页 |
| 第4章 客车产品评论文本的客户需求特征抽取方法 | 第71-87页 |
| 4.1 引言 | 第71-72页 |
| 4.2 客车产品评论文本的客户需求特征抽取框架 | 第72-73页 |
| 4.3 需求特征词的识别方法 | 第73-76页 |
| 4.3.1 基本思想 | 第74-75页 |
| 4.3.2 模式相似度计算方法 | 第75-76页 |
| 4.4 基本需求的检测方法 | 第76-80页 |
| 4.4.1 基本需求的分类 | 第77-78页 |
| 4.4.2 基于需求触发词的基本需求检测方法 | 第78-80页 |
| 4.5 基本需求内容识别方法 | 第80-82页 |
| 4.6 实验与评价 | 第82-85页 |
| 4.7 本章小结 | 第85-87页 |
| 第5章 基于访问行为的客车产品客户需求聚类方法 | 第87-104页 |
| 5.1 引言 | 第87-88页 |
| 5.2 客车产品客户需求聚类方法框架 | 第88-89页 |
| 5.3 数据建模 | 第89-94页 |
| 5.3.1 “访客-受访页面”矩阵 | 第90页 |
| 5.3.2 “访客-评论特征词”矩阵 | 第90-91页 |
| 5.3.3 “访客-客户需求”矩阵 | 第91-94页 |
| 5.4 基于k-means算法的访客聚类方法 | 第94-97页 |
| 5.4.1 访客聚类的算法实现 | 第95-96页 |
| 5.4.2 簇的特征化描述 | 第96-97页 |
| 5.5 访客属性特征的归纳 | 第97-100页 |
| 5.5.1 访客属性特征的获取 | 第97-98页 |
| 5.5.2 访客特征归纳的算法实现 | 第98-100页 |
| 5.6 实验与评价 | 第100-102页 |
| 5.7 本章小结 | 第102-104页 |
| 第6章 客车企业网站客户需求获取系统的实现 | 第104-117页 |
| 6.1 需求分析 | 第104-106页 |
| 6.1.1 客户访问行为数据获取 | 第104-105页 |
| 6.1.2 客户访问行为分析 | 第105页 |
| 6.1.3 前台数据采集 | 第105-106页 |
| 6.2 系统设计 | 第106-107页 |
| 6.2.1 系统构架 | 第106页 |
| 6.2.2 系统环境 | 第106-107页 |
| 6.3 前台功能 | 第107-111页 |
| 6.3.1 产品展示 | 第107-109页 |
| 6.3.2 智能选客车 | 第109-111页 |
| 6.4 后台功能 | 第111-116页 |
| 6.4.1 网站流量管理 | 第111-113页 |
| 6.4.2 商机管理 | 第113-115页 |
| 6.4.3 访问行为分析 | 第115-116页 |
| 6.5 本章小结 | 第116-117页 |
| 第7章 结论与展望 | 第117-120页 |
| 7.1 全文总结 | 第117-118页 |
| 7.2 研究展望 | 第118-120页 |
| 致谢 | 第120-121页 |
| 参考文献 | 第121-129页 |
| 附录1 攻读学位期间发表的学术论文 | 第129-130页 |
| 附录2 攻读学位期间参与的科研课题 | 第130页 |