声明
第一章 绪论
第一节 选题背景及研究意义
第二节 国内外相关研究动态
一、Web日志挖掘的研究现状
二、大数据背景下数据挖掘研究现状
三、个性化推荐的研究现状
四、研究中存在的一些缺陷和不足之处
第三节 论文的研究内容
第四节 论文结构安排
第二章 相关理论与技术研究
第一节 Web用户行为理论
一、Web用户行为概念与特征
二、Web用户行为的分类
第二节 Web日志挖掘
第三节 相关算法研究
一、聚类
二、分类
三、序列挖掘
四、推荐算法
第四节 大数据处理框架Hadoop
一、Hadoop 体系结构
二、MapReduce计算框架
三、HDFS分布式文件存储
第五节 Hadoop平台日志数据处理优势
第六节 本章小结
第三章 数据处理及用户行为识别
第一节 数据源介绍
第二节 数据预处理
一、数据清洗
二、数据衍生
第三节 用户行为识别
一、用户及会话识别
二、事务识别
三、模块标记识别
第四节 本章小结
第四章 基于大数据平台的数据挖掘算法改进
第一节 大数据背景下算法并行化的必要性
第二节 基于改进的PrefixSpan的并行模式挖掘算法
一、介绍及定义
二、PrefixSpan算法描述
三、PrefixSpan 算法优化
四、实验结果及分析
第三节 基于样本密度的的FCM模糊聚类算法
一、FCM介绍
二、基于样本密度的FCM聚类算法
三、并行化处理
四、算法实验
第四节 本章小结
第五章 基于标签共享的用户兴趣模型迁移推荐
第一节 传统协同过滤推荐及面临问题
第二节 迁移学习与跨域
第三节 基于标签共享的用户兴趣模型迁移推荐
第四节 模型算法
一、矩阵奇异值分解算法
二、皮尔逊(Pearson)相关系数
三、Xgboost集成分类
第五节 实验数据及预处理
第六节 实验设计
一、用户兴趣度模型构建
二、迁移源领域兴趣度模型至目标领域
三、实验评测及结果
第七节 本章小结
第六章 Web用户访问模式挖掘系统
第一节 需求分析
第二节 用户访问模式挖掘系统原型设计与实现
一、用户访问兴趣分类
二、用户访问习惯挖掘
三、站点访问分析
四、用户综合推荐
第三节 本章小结
第七章 总结与展望
第一节 总结
第二节 展望
参考文献
致谢
在读期间的研究成果
云南财经大学;