| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究的现状 | 第10-12页 |
| 1.3 研究的目标及意义 | 第12-13页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究意义 | 第12-13页 |
| 1.4 研究的主要内容 | 第13页 |
| 1.5 论文章节安排 | 第13-15页 |
| 第二章 相关技术基础 | 第15-27页 |
| 2.1 挖掘技术简介 | 第15-23页 |
| 2.1.1 分类算法 | 第16页 |
| 2.1.2 聚类算法 | 第16-19页 |
| 2.1.3 关联规则 | 第19-23页 |
| 2.2 网络用户行为特征模型 | 第23-24页 |
| 2.3 中文分词 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 面向教育资源的用户行为特征挖掘系统的分析设计 | 第27-45页 |
| 3.1 系统需求分析 | 第27-30页 |
| 3.1.1 教育资源特征及系统提供资源 | 第27-28页 |
| 3.1.2 系统总体架构 | 第28-29页 |
| 3.1.3 系统流程 | 第29-30页 |
| 3.2 系统功能模块分析 | 第30-31页 |
| 3.3 系统核心功能分析 | 第31-44页 |
| 3.3.1 基于主题提取灰色预测数据挖掘功能的设计 | 第31-34页 |
| 3.3.2 基于Web日志的数据挖掘功能的设计 | 第34-37页 |
| 3.3.3 基于关联规则算法数据挖掘功能的设计 | 第37-40页 |
| 3.3.4 基于项目特性协同过滤数据挖掘功能的设计 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 面向教育资源的用户行为特征挖掘系统的实现 | 第45-63页 |
| 4.1 基于主题提取灰色预测数据挖掘功能的实现 | 第45-52页 |
| 4.1.1 中文分词工具IKAnalyzer | 第45页 |
| 4.1.2 信息过滤 | 第45-47页 |
| 4.1.3 中文文本主题提取 | 第47-48页 |
| 4.1.4 灰色预测模型 | 第48-49页 |
| 4.1.5 向量空间模型 | 第49-52页 |
| 4.2 基于WEB日志的数据挖掘功能的实现 | 第52-54页 |
| 4.2.1 用户浏览日志相似度模块 | 第53-54页 |
| 4.3 基于关联规则算法数据挖掘功能的实现 | 第54-59页 |
| 4.3.1 Eclat算法原理 | 第54页 |
| 4.3.2 Eclat算法中使用和产生的数据格式 | 第54-57页 |
| 4.3.3 关联规则的实现 | 第57-59页 |
| 4.4 基于项目特征协同过滤数据挖掘功能的实现 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 面向教育资源的用户行为特征挖掘系统的测试 | 第63-79页 |
| 5.1 测试环境 | 第63页 |
| 5.2 功能测试 | 第63-65页 |
| 5.3 测试结果 | 第65-68页 |
| 5.3.1 基于主题提取灰色预测数据挖掘功能测试结果 | 第66页 |
| 5.3.2 基于Web日志数据挖掘功能测试结果 | 第66-67页 |
| 5.3.3 基于关联规则算法数据挖掘功能测试结果 | 第67-68页 |
| 5.3.4 基于项目特征协同过滤数据挖掘功能测试结果 | 第68页 |
| 5.4 实验对比 | 第68-78页 |
| 5.4.1 系统响应性能 | 第68-70页 |
| 5.4.2 基于Web日志挖掘聚类分析 | 第70-72页 |
| 5.4.3 基于主题提取灰色预测与基于Web日志挖掘算法实验对比 | 第72-74页 |
| 5.4.4 关联规则挖掘算法实验结果 | 第74-77页 |
| 5.4.5 基于项目特征协同过滤算法实验结果 | 第77-78页 |
| 5.5 测试结论 | 第78页 |
| 5.6 本章小结 | 第78-79页 |
| 第六章 结论与展望 | 第79-81页 |
| 6.1 论文总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |
