文摘
英文文摘
论文说明:图表目录
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 论文的安排
第2章 点击流数据仓库的构建
2.1 数据仓库
2.1.1 数据仓库的定义
2.1.2 数据仓库的体系结构
2.1.3 数据仓库的数据组织
2.1.4 数据仓库的数据模型
2.1.5 数据仓库的ETL
2.1.6 数据仓库工具
2.2 数据挖掘
2.2.1 Web数据挖掘
2.2.2 Web数据预处理
2.3 点击流与点击流数据仓库
2.3.1 点击流的定义
2.3.2 将数据仓库引入Web
2.3.3 点击流数据仓库的定义
2.4 点击流数据仓库的ETL设计
2.4.1 传统数据抽取方法
2.4.2 点击流数据抽取
2.4.3 确认数据源
2.4.4 基本概念
2.4.5 算法描述
2.5 数据的转换和装载
2.5.1 数据转换
2.5.2 数据装载
2.6 小结
第3章 基于商空间粒度的点击流数据仓库的设计
3.1 粒度计算
3.2 粒度计算的主要模型
3.2.1 基于模糊集合论的词计算模型
3.2.2 基于粗糙集理论的粒度计算模型
3.2.3 基于商空间的粒度计算模型
3.3 基于粒度计算的点击流数据仓库的性能分析
3.3.1 网站信息分析
3.3.2 Web日志预处理的几个阶段
3.3.3 粒度计算挖掘用户偏爱页面及最佳路径
3.3.4 点击流数据仓库的性能分析
3.4 本章小结
第4章 基于商空间粒度计算的WEB日志关联规则挖掘
4.1 关联规则挖掘技术简介和研究现状
4.1.1 关联规则定义
4.1.2 关联规则的种类
4.2 关联规则的挖掘算法
4.2.1 经典的频集算法
4.2.2 FP-树频集算法
4.2.3 多层关联规则挖掘
4.3 基于粒度计算的关联规则挖掘算法
4.3.1 粒度计算
4.3.2 Web日志
4.4 相关的工作
4.4.1 基于商空间粒度计算的关联规则挖掘算法
4.4.2 运用算法Apriori对以上数据进行关联规则的挖掘
4.4.3 利用基于粒计算的关联规则进行挖掘
4.5 试验分析论证
4.6 结束语
第5章 基于用户兴趣度的频繁路径挖掘算法
5.1 相关定义
5.2 频繁路径挖掘算法过程
5.3 频繁路径挖掘算法描述
5.4 购物网站点击流数据分析结果的Web展示
5.5 结论
结论
参考文献
致谢
附录A 攻读学位期间所发表的学术论文