论文目录 | |
摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第一章 绪论 | 第10-15页 |
1.1 课题背景 | 第10-11页 |
1.2 研究现状 | 第11-12页 |
1.2.1 用户行为分析技术研究现状 | 第11页 |
1.2.2 Web日志挖掘技术研究现状 | 第11-12页 |
1.3 研究内容 | 第12-14页 |
1.4 论文组织与结构 | 第14-15页 |
第二章 相关技术介绍 | 第15-27页 |
2.1 校园网Web日志挖掘技术 | 第15页 |
2.2 Web日志数据预处理 | 第15-17页 |
2.3 基于Web日志的用户行为分析方法 | 第17-26页 |
2.3.1 主题模型介绍 | 第17-22页 |
2.3.2 关联模式挖掘 | 第22-26页 |
2.4 本章小结 | 第26-27页 |
第三章 基于结构协同的向量化狄利克雷主题词提取改进算法 | 第27-44页 |
3.1 关键词提取算法 | 第27-32页 |
3.1.1 网页评分排名算法 | 第27-29页 |
3.1.2 基于文本排名的关键词提取算法 | 第29-30页 |
3.1.3 基于搜索模型的文本相关性权重计算方法 | 第30-32页 |
3.2 基于结构协同的向量化隐含狄利克雷分布主题词提取算法 | 第32-43页 |
3.2.1 算法思想 | 第32-34页 |
3.2.2 文本预处理 | 第34-35页 |
3.2.3 向量化的狄利克雷主题模型初始化向量取值 | 第35-40页 |
3.2.4 候选词得分计算 | 第40-42页 |
3.2.5 文本网络构建 | 第42-43页 |
3.3 本章小结 | 第43-44页 |
第四章 基于正负关联多支持度的警示线索词频繁模式挖掘改进算法 | 第44-52页 |
4.1 算法改进动机 | 第44-46页 |
4.1.1 警示线索词 | 第44-45页 |
4.1.2 单一最小支持度 | 第45页 |
4.1.3 传统正向关联规则 | 第45-46页 |
4.2 算法改进思想 | 第46-48页 |
4.2.1 改进的警示线索词频繁树 | 第46-47页 |
4.2.2 多重最小支持度的引入 | 第47-48页 |
4.2.3 含正负项目的多重最小支持度 | 第48页 |
4.3 算法流程设计 | 第48-51页 |
4.4 本章小结 | 第51-52页 |
第五章 基于主题搜索的用户行为分析系统设计 | 第52-63页 |
5.1 系统需求及功能流程分析 | 第52-53页 |
5.2 原始数据存储层 | 第53-55页 |
5.3 数据整合处理层 | 第55-57页 |
5.4 算法分析层 | 第57-61页 |
5.4.1 用户行为集预处理模块 | 第58页 |
5.4.2 主题提取模块 | 第58-60页 |
5.4.3 特征向量关联模块 | 第60-61页 |
5.5 本章小结 | 第61-63页 |
第六章 测试结果及分析 | 第63-78页 |
6.1 测试环境介绍 | 第63页 |
6.2 测试用例设计 | 第63-68页 |
6.3 测试结果及分析 | 第68-76页 |
6.3.1 基于结构协同的LDA2Vector算法测试结果及分析 | 第69-70页 |
6.3.2 基于改进的警示线索词频繁树的两极多支持度算法结果及分析 | 第70-72页 |
6.3.3 系统前端页面展示 | 第72-76页 |
6.3.4 系统在使用传统算法和改进算法运行结果展示 | 第76页 |
6.4 本章小结 | 第76-78页 |
第七章 总结与展望 | 第78-80页 |
7.1 论文总结 | 第78-79页 |
7.2 未来展望 | 第79-80页 |
参考文献 | 第80-82页 |
致谢 | 第82页 |