| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·引言 | 第11页 |
| ·从数据挖掘到 Web 挖掘 | 第11-15页 |
| ·Web 挖掘的分类 | 第15-16页 |
| ·Web 使用记录挖掘 | 第15页 |
| ·Web 内容挖掘 | 第15-16页 |
| ·Web 结构挖掘 | 第16页 |
| ·网页推荐问题的研究背景和意义 | 第16-17页 |
| ·国内外的研究现状 | 第17-18页 |
| ·本文的研究内容 | 第18-19页 |
| ·本文的章节安排 | 第19-20页 |
| 第二章 基于属性重要性的 Web 日志数据预处理方式 | 第20-31页 |
| ·Web 日志数据预处理的概述 | 第20页 |
| ·数据清洗 | 第20-21页 |
| ·用户识别 | 第21-22页 |
| ·会话识别 | 第22页 |
| ·路径补充 | 第22-23页 |
| ·基于属性重要性的数据预处理 | 第23-29页 |
| ·常规数据预处理方法的缺陷 | 第23页 |
| ·粗糙集理论中属性约简的概述 | 第23-24页 |
| ·相关定义和性质 | 第24-25页 |
| ·Web 日志数据的形式化表示 | 第25页 |
| ·基于属性重要性的数据预处理过程的描述 | 第25-27页 |
| ·实例演示和试验结果 | 第27-29页 |
| ·实例演示 | 第27-28页 |
| ·试验结果 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 基于 CA 矩阵的可重复连续频繁访问路径挖掘算法 | 第31-46页 |
| ·概述 | 第31页 |
| ·Apriori 算法 | 第31-35页 |
| ·FP-Growth 算法 | 第35-37页 |
| ·可重复连续频繁访问(RCFA)路径挖掘算法 | 第37-45页 |
| ·当前研究现状 | 第37-38页 |
| ·基于 CA 矩阵的 RCFA 路径挖掘算法——CA-mining 算法 | 第38-45页 |
| ·相关定义和性质 | 第38-39页 |
| ·CA-mining 算法 | 第39-42页 |
| ·实例演示 | 第42-43页 |
| ·算法性能分析与试验结果比较 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于矩阵的 Web 日志聚类方法研究 | 第46-62页 |
| ·聚类分析的概述 | 第46-47页 |
| ·主要常用的聚类算法 | 第47-53页 |
| ·K 均值 | 第47-51页 |
| ·凝聚层次聚类 | 第51-53页 |
| ·矩阵聚类的研究现状 | 第53-54页 |
| ·相关定义与描述 | 第54-57页 |
| ·Web 站点的表示 | 第54-55页 |
| ·用户浏览行为描述 | 第55页 |
| ·一种新的向量间距离计算方法的定义 | 第55-56页 |
| ·用户簇的加权中心矢量的概念 | 第56-57页 |
| ·改进的 Web 日志矩阵聚类算法的描述 | 第57-58页 |
| ·实例演示 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于频繁访问路径和聚类分析的网页推荐模型 | 第62-74页 |
| ·常用网页推荐机制的分析 | 第62-65页 |
| ·本文提出的网页推荐机制 | 第65页 |
| ·网页推荐算法的描述和性能评价机制 | 第65-67页 |
| ·本章提出的网页推荐算法的描述 | 第65-66页 |
| ·网页推荐的性能评价机制 | 第66-67页 |
| ·试验结果分析和评价 | 第67-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 回顾与展望 | 第74-76页 |
| ·总结 | 第74-75页 |
| ·下一步工作及展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 硕士在读期间发表论文 | 第81页 |
