| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| 1．1 论文的研究背景 | 第9页 |
| 1．2 论文的研究意义 | 第9-10页 |
| 1．3 论文工作介绍 | 第10-11页 |
| 1．4 论文的组织 | 第11-12页 |
| 第二章 数据挖掘基本原理 | 第12-19页 |
| 2．1 数据挖掘的由来 | 第12-13页 |
| 2．2 数据挖掘的定义 | 第13-15页 |
| 2．2．1 数据挖掘的定义 | 第13页 |
| 2．2．2 数据挖掘的系统结构 | 第13-15页 |
| 2．3 数据挖掘的过程 | 第15-17页 |
| 2．3．1 数据准备 | 第15页 |
| 2．3．2 数据挖掘 | 第15-16页 |
| 2．3．3 结果解释和评估 | 第16-17页 |
| 2．4 数据挖掘的分析方法 | 第17-19页 |
| 第三章 web挖掘技术 | 第19-28页 |
| 3．1 web挖掘的定义 | 第19页 |
| 3．2 面向web数据挖掘特点 | 第19-21页 |
| 3．3 web挖掘的分类 | 第21-27页 |
| 3．3．1 web使用挖掘 | 第22页 |
| 3．3．2 web内容挖掘 | 第22-26页 |
| 3．3．3 web结构挖掘 | 第26-27页 |
| 3．4 web挖掘的基本步骤 | 第27-28页 |
| 第四章 web使用挖掘及其数据预处理技术 | 第28-39页 |
| 4．1 web使用挖掘的概念及过程 | 第28-31页 |
| 4．2 web使用挖掘的数据源 | 第31-33页 |
| 4．2．1 web使用挖掘的数据源 | 第31-33页 |
| 4．2．2 web日志中的数据不完备性 | 第33页 |
| 4．3 web日志数据建模 | 第33-34页 |
| 4．4 web日志的预处理技术 | 第34-38页 |
| 4．4．1 数据清理 | 第35-36页 |
| 4．4．2 识别用户 | 第36-37页 |
| 4．4．3 会话识别 | 第37-38页 |
| 4．4．4 路径补充 | 第38页 |
| 4．4．5 事务识别 | 第38页 |
| 4．5 小结 | 第38-39页 |
| 第五章 基于关联规则的分类方法 | 第39-54页 |
| 5．1 关联规则的基本概念 | 第39-40页 |
| 5．2 关联规则的基本挖掘算法 | 第40-48页 |
| 5．2．1 经典的Apriori算法 | 第40-43页 |
| 5．2．2 Apriori算法两个性能瓶颈 | 第43页 |
| 5．2．3 不产生候选集的频繁项挖掘算法 | 第43-48页 |
| 5．3 基于关联规则的分类方法 | 第48-53页 |
| 5．3．1 关联分类方法概述 | 第48-51页 |
| 5．3．2 改进的用于web挖掘的关联规则的分类算法 | 第51-52页 |
| 5．3．3 对类别关联规则集合构造分类器 | 第52-53页 |
| 5．4 小结 | 第53-54页 |
| 第六章 基于关联分类方法的web用户兴趣预测 | 第54-63页 |
| 6．1 kdd2000cup问题及其实验数据 | 第54-55页 |
| 6．1．1 问题 | 第54页 |
| 6．1．2 实验数据 | 第54-55页 |
| 6．2 基于关联分类方法的web用户兴趣预测 | 第55-62页 |
| 6．2．1 我们所选的问题 | 第55页 |
| 6．2．2 数据准备 | 第55-56页 |
| 6．2．3 基于关联分类方法的web用户兴趣预测 | 第56-60页 |
| 6．2．4 一种基于web挖掘的网站个性化推荐系统结构 | 第60-62页 |
| 6．3 小结 | 第62-63页 |
| 第七章 总结和进一步的研究工作 | 第63-65页 |
| 7．1 本文主要的工作与特色 | 第63页 |
| 7．2 进一步的研究工作 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |