Web使用挖掘方法及其在个性化学习系统中的应用研究

摘要

数据挖掘就是从海量数据的集合中发现有效的、新颖的、有用的、可理解的模式。Web使用挖掘是数据挖掘技术在Web使用数据上的应用，它的主要任务是研究用户的浏览行为，发现用户对网页的兴趣度和访问模式，从而可以改进网站结构，为用户提供个性化服务。 本文的研究内容包括：(1)对Web使用挖掘的特点、方法及相关技术分析，指出了现有Wleb使用挖掘的数据采集技术的不足；(2)提出一种综合获取用户浏览信息的方法；(3)讨论基于图结构的Web访问序列模式挖掘方法；(4)提出基于内容过滤和协同过滤相结合的个性化推荐算法；(5)将Web使用挖掘技术应用于远程学习系统，通过Web使用模式挖掘对学习者访问学习网站和使用学习资源的信息进行挖掘分析，及时了解学习者的学习需求、学习进度、兴趣爱好，适时推出个性化的学习模式，构建个性化的网络学习系统。 本文的主要特色：把基于内容过滤的推荐算法和协同过滤的推荐算法相结合；在传统的学习网站中加个性化推荐模块，从而更加适应现代的个性化教育理念。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景与意义

1.2研究内容与论文组织结构

第二章Web使用挖掘技术

2.1数据挖掘概述

2.1.1数据挖掘概念

2.1.2数据挖掘方法和技术

2.1.3数据挖掘过程

2.2 Web挖掘技术

2.3 Web使用挖掘

2.3.1 Web使用挖掘流程

2.3.2模式发现算法

2.4序列模式挖掘

2.4.1序列模式的提出

2.4.2序列模式的相关概念及定义

2.4.3序列模式的主要算法

2.5 Web使用挖掘方法在个性化学习系统中的应用

2.5.1改进系统性能

2.5.2完善站点结构

2.5.3提供智能化服务

2.5.4个性化需求设计

2.6小结

第三章基于图结构的Web访问序列挖掘

3.1路径分析技术

3.2图结构模型

3.3生成最大向前路径

3.4挖掘频繁遍历路径

3.5小结

第四章基于Web使用挖掘方法的个性化学习系统分析

4.1学习者访问模式的源数据收集

4.1.1服务器级采集

4.1.2应用服务器级数据采集

4.1.3客户级数据采集

4.1.4代理级数据采集

4.2学习者访问模式的数据预处理

4.2.1学习者识别

4.2.2会话识别

4.2.3路径修补

4.2.4事务识别

4.2.5格式化

4.3学习者访问模式发现

4.3.1路径分析

4.3.2关联规则

4.3.3序列模式

4.3.4分类

4.3.5聚类

4.4小结

第五章基于Web使用挖掘方法的个性化学习系统设计与模型实现

5.1学习者兴趣建模

5.1.1资源和学习者兴趣的表示

5.1.2相似性分析

5.2个性化推荐算法

5.2.1基于内容过滤的推荐算法

5.2.2协同过滤的推荐算法

5.2.3基于内容过滤和协同过滤相结合的个性化推荐算法

5.2.4二者结合的优势

5.3个性化学习推荐系统原型实现

5.3.1实现推荐系统的标记语言—XML

5.3.2主要的数据表

5.3.3个性化推荐系统流程

5.3.4关键推荐算法描述

5.3.5个性化推荐结果举例

5.4个性化学习网站模型

5.5小结

第六章总结与展望

参考文献

攻读学位期间公开发表的论文

致谢