基于数据挖掘的Web日志分析研究--以YF网站为例
| 摘要 | 第14-16页 |
| ABSTRACT | 第16-18页 |
| 0 引言 | 第19-31页 |
| 0.1 课题的相关背景和研究意义 | 第19-24页 |
| 0.2 国内外研究现状 | 第24-26页 |
| 0.3 本文的研究内容与创新点 | 第26-29页 |
| 0.4 组织结构 | 第29-31页 |
| 1 理论基础与研究方法 | 第31-57页 |
| 1.1 WEB数据挖掘 | 第31-33页 |
| 1.1.1 Web数据挖掘的数据类型 | 第31-32页 |
| 1.1.2 Web数据挖掘分类 | 第32-33页 |
| 1.2 WEB日志挖掘 | 第33-38页 |
| 1.2.1 Web日志挖掘过程 | 第33-34页 |
| 1.2.2 Web日志分析的应用 | 第34-38页 |
| 1.2.2.1 电商政务网站 | 第34-36页 |
| 1.2.2.2 网络安全领域 | 第36页 |
| 1.2.2.3 可视化技术的应用 | 第36-38页 |
| 1.3 房地产网站的日志挖掘 | 第38-42页 |
| 1.3.1 网络搜索与社会经济行为的关系 | 第38-40页 |
| 1.3.2 网络搜索与房地产市场关系 | 第40-42页 |
| 1.4 研究方法 | 第42-57页 |
| 1.4.1 统计分析 | 第42页 |
| 1.4.2 路径分析 | 第42-43页 |
| 1.4.3 关联分析 | 第43-45页 |
| 1.4.4 序列分析 | 第45-46页 |
| 1.4.5 相关分析与偏相关分析 | 第46-51页 |
| 1.4.6 回归分析 | 第51页 |
| 1.4.7 聚类分析 | 第51-57页 |
| 1.4.7.1 常用的聚类算法 | 第53-56页 |
| 1.4.7.2 数据挖掘对聚类分析的要求 | 第56-57页 |
| 2 WEB日志挖掘数据预处理 | 第57-65页 |
| 2.1 WEB日志挖掘数据预处理概述 | 第57-61页 |
| 2.1.1 数据预处理技术 | 第58页 |
| 2.1.2 WEB日志数据的采集 | 第58-61页 |
| 2.2 数据预处理过程 | 第61-65页 |
| 2.2.1 数据清洗 | 第61-62页 |
| 2.2.2 用户识别 | 第62页 |
| 2.2.3 会话识别 | 第62-63页 |
| 2.2.4 事务识别 | 第63页 |
| 2.2.5 路径补充 | 第63-65页 |
| 3 基于统计分析的WEB日志挖掘 | 第65-95页 |
| 3.1 热点分析和趋势分析 | 第65-69页 |
| 3.1.1 热点分析之数据预处理 | 第65-66页 |
| 3.1.2 热点及趋势分析概况 | 第66-69页 |
| 3.2 出售页面热点分析 | 第69-72页 |
| 3.2.1 用户对居住区域的选择 | 第69-70页 |
| 3.2.2 用户对房屋的选择 | 第70-71页 |
| 3.2.3 用户浏览行为 | 第71-72页 |
| 3.2.4 热点分析小结 | 第72页 |
| 3.3 出售页面趋势分析 | 第72-86页 |
| 3.3.1 用户对居住区域的选择 | 第72-76页 |
| 3.3.2 用户对房屋的选择 | 第76-84页 |
| 3.3.3 用户浏览行为 | 第84-86页 |
| 3.4 用户搜索行为特征 | 第86-88页 |
| 3.4.1 首选项特征 | 第86-87页 |
| 3.4.2 搜索趋势特征 | 第87-88页 |
| 3.5 对比分析 | 第88-90页 |
| 3.5.1 热点对比分析 | 第89页 |
| 3.5.2 热点均价对比分析 | 第89页 |
| 3.5.3 热点面积对比分析 | 第89-90页 |
| 3.6 趋势对比分析 | 第90-93页 |
| 3.6.1 均价趋势对比分析 | 第90-91页 |
| 3.6.2 面积趋势对比分析 | 第91-93页 |
| 3.7 小结 | 第93-95页 |
| 4 用户搜索特征的分析 | 第95-117页 |
| 4.1 列联表分析与相关分析概述 | 第95页 |
| 4.2 列联表分析应用 | 第95-113页 |
| 4.2.1 列联表分析步骤 | 第95-96页 |
| 4.2.2 出售页面列联表结果分析 | 第96-104页 |
| 4.2.3 Ajax页面列联表结果分析 | 第104-108页 |
| 4.2.4 求购页面列联表结果分析 | 第108-112页 |
| 4.2.5 中介页面列联表结果分析 | 第112-113页 |
| 4.3 小结 | 第113-117页 |
| 5 用户访问页面规则 | 第117-129页 |
| 5.1 简单关联规则的有效性的测度指标 | 第117-118页 |
| 5.2 简单关联规则的应用 | 第118-121页 |
| 5.2.1 数据转换 | 第118-119页 |
| 5.2.2 规则设置及结果输出 | 第119-120页 |
| 5.2.3 网络图的绘制及分析 | 第120-121页 |
| 5.3 序列关联规则 | 第121-128页 |
| 5.3.1 数据的描述统计分析 | 第122-124页 |
| 5.3.2 序列关联规则应用 | 第124页 |
| 5.3.3 数据的导入与规则的设置 | 第124-125页 |
| 5.3.4 结果的输出及分析 | 第125-128页 |
| 5.4 小结 | 第128-129页 |
| 6 房屋成交量影响因素分析 | 第129-146页 |
| 6.1 房屋成交量影响因素 | 第129-133页 |
| 6.1.1 供需因素对成交量的影响 | 第129-132页 |
| 6.1.2 宏观经济政策对成交量的影响 | 第132页 |
| 6.1.3 新房成交量对二手房成交量的影响 | 第132-133页 |
| 6.1.4 房地产中介公司营销策略的影响 | 第133页 |
| 6.2 影响因素相关性检验 | 第133-137页 |
| 6.2.1 单样本K—S检验 | 第134-136页 |
| 6.2.2 偏相关分析过程 | 第136-137页 |
| 6.2.3 偏相关分析结果 | 第137页 |
| 6.3 各影响因素间的回归分析 | 第137-145页 |
| 6.3.1 多元线性回归过程 | 第138-141页 |
| 6.3.2 线性回归结果分析 | 第141-145页 |
| 6.4 小结 | 第145-146页 |
| 7 用户类型分析 | 第146-157页 |
| 7.1 KOHONEN网络聚类分析应用 | 第146-154页 |
| 7.1.1 数据的获取 | 第146页 |
| 7.1.2 数据的探索(预处理) | 第146-150页 |
| 7.1.3 聚类过程与结果分析 | 第150-154页 |
| 7.2 聚类特征分析 | 第154-156页 |
| 7.3 小结 | 第156-157页 |
| 8 结论与展望 | 第157-161页 |
| 8.1 研究结论 | 第157-160页 |
| 8.2 不足与展望 | 第160-161页 |
| 参考文献 | 第161-166页 |
| 附录 | 第166-173页 |
| 攻博期间发表的与学位论文相关的科研成果目录 | 第173-175页 |
| 致谢 | 第175-176页 |
