基于Web数据挖掘分类算法的个性化信息服务

摘要

随着Internet技术的发展,继数据挖掘技术成功地应用于传统数据库领域后,人们又开始尝试将其应用于其他类型的数据库.基于Web的数据挖掘技术(简称Web挖掘)就是在这种背景之下发展起来的. 该论文介绍了数据挖掘、Web挖掘技术和OLAP技术的理论发展及实际应用,并重点研究了数据挖掘中分类算法在Web挖掘中的应用,从而实现各类用户的个性化信息服务.论文主要内容有以下几部分组成:1.介绍数据挖掘技术的发展,挖掘过程及分类算法的实际应用情况.2.详细讨论Web挖掘技术,包括Web挖掘产生的背景,技术特点,Web访问挖掘的用户访问事务确定方法等.3.详细介绍了一种基于Web数据挖掘的分类算法.4.为了实现用户个性化信息服务,作者将上面提到的算法应用到了Web数据挖掘上,并对其中的决策树建树算法进行了改进.这一部分是该论文的重点.5.最后作者建立了在线个性化信息服务工具模型,提出下一步要做的工作并展望了Web挖掘技术未来发展方向.

目录

文摘

英文文摘

第一章绪论

1.1. 选题目的和意义

1.2. 国内外研究动态

1.3. 本文主要研究内容

1.4. 本论文内容安排

第二章数据挖掘知识的概述

2.1.数据挖掘定义与技术

2.1.1.数据挖掘的定义

2.1.2.数据挖掘中发现的模式形式

2.1.3.数据挖掘过程与方法

2.2.数据挖掘中分类与分类方法

2.2.1.粗糙集方法

2.2.2.朴素贝叶斯方法

2.2.3.遗传算法方法

2.2.4.决策树方法

2.3.数据挖掘面临的主要问题

2.4.本章小结

第三章WEB挖掘中分类算法及数据预处理

3.1. WEB数据挖掘

3.1.1.Web数据挖掘面临的问题

3.1.2.Web访问挖掘研究内容及主要技术

3.1.3.Web挖掘中用户访问事务确定方法

3.2.分类算法的数据预处理

3.2.1.概念归纳分层及提取方法

3.2.2.数据预处理的概念归纳算法

3.2.3. 基于OLAP技术的概念归纳算法

3.3.相关性分析

3.4.本章小结

第四章基于WEB挖掘分类算法的实现

4.1.决策树的分类方法

4.1.1.决策树的基本概念及应用范围

4.2.基于WEB数据挖掘技术的分类算法

4.2.1.算法的依据

4.2.2.基于Web数据挖掘的分类算法的总体框架

4.3.构造决策树

4.3.1.决策树构造需要考虑的几个问题

4.3.2.检测类阈值建树法

4.4.提取分类规则

4.4.1.分类规则提取的基本方法

4.4.2.提取单条规则

4.4.3.从同一类的分类规则提取类规则集

4.4.4.类别排序和选择缺省类

4.5.本章小结

第五章个性化信息服务系统模型与未来展望

5.1.数据挖掘的处理过程模型

5.1.1.以用户为中心的处理模型

5.2.在线个性化信息服务工具模型

5.3.全文总结与未来展望

5.3.1全文总结

5.3.2未来展望

参考文献

致谢