导读:本文包含了浏览模式论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模式,系统,信息,岩心,频繁,用户,信源。
浏览模式论文文献综述
陈岑,卿粼波,何小海,张余强[1]（2018）在《基于B/S模式的叁维岩心浏览系统的设计与实现》一文中研究指出随着岩心图像采集技术和岩心专业处理水平的提高,岩心图像的应用范围越来越广,已成为研究人员必要的基础资料之一。传统的基于Web的岩心图像浏览系统需要配置和安装Active X控件实现网页3D渲染展示,且跨平台性差交互功能单一。为了解决以上问题,设计了基于B/S模式的岩心相册浏览系统,充分利用HTML5、Canvas的强大优势,按照岩心的扫描深度顺序标识和展现不同筒次的岩心。系统结合了平面式和圆周叁维重建式两种展现方式,用于展现纵切面和外表面的岩心图像,提供岩心图像3D重建动画效果及其他丰富的交互功能。(本文来源于《信息技术与网络安全》期刊2018年10期）
王森[2]（2018）在《基于Spark的频繁浏览模式挖掘系统的设计与实现》一文中研究指出浏览行为的频繁模式描述用户浏览模式和偏好,其中集合频繁模式反映访问页面间的相关性,序列频繁模式描述用户频繁访问路径,正则频繁模式刻画用户访问行为的语义信息。浏览行为的频繁模式能够用于浏览行为预测、网站结构的优化以及浏览页面的推荐,具有提高用户的体验、增加系统的粘性的作用。本文主要研究可水平扩展的频繁模式挖掘算法,解决海量的日志数据的分析任务,并重点解决在分布式环境下基于模式增长算法的负载均衡和基于连接-剪枝策略算法的候选序列生成的问题,具体工作如下:1.集合频繁模式分布式挖掘:研究基于模式增长的集合频繁模式挖掘算法(FP-Growth)的分布式设计,建立条件模式树与挖掘负载之间关系,并运用它们之间关系设计分布策略,从而实现原始数据集均衡切分,避免建立全局FP-Tree,解决分布式挖掘算法过程中单点存储瓶颈问题,并设计一种基于Spark的近似负载均衡的FP-Growth分布式算法,从而实现负载均衡的集合频繁模式挖掘。2.序列频繁模式分布式挖掘:研究基于连接-剪枝策略的序列频繁模式挖掘算法AprioriAll的分布式设计,通过RDD的持久化缓存算子实现中间结果重用,减少磁盘I/O消耗。同时,改进AprioriAll算法频繁2序列的生成方式,使用PairWise方式代替频繁1序列自连接生成候选2序列的过程,解决了大规模的频繁1序列生成频繁2序列所造成的高额时空开销的问题,从而实现一种基于Spark平台下的可扩展的AprioriAll算法(Spark-AprioriAll)。3.正则频繁模式分布式挖掘:通过父-子类层次语义体系标注网页的类,将浏览网页序列转化为网页类型序列,从而定义正则频繁模式,描述用户访问行为的语义信息,并通过Spark-AprioriAll算法实现。4.系统原型设计和算法性能测试:首先,针对基于Spark的频繁浏览模式挖掘系统进行系统原型设计。然后,实施对照实验,验证本文提出的频繁浏览模式分布式挖掘算法的准确性、速度性能和扩展性。(本文来源于《东南大学》期刊2018-06-01）
乔保民[3]（2018）在《基于Web浏览行为模式的匿名用户识别》一文中研究指出伴随互联网的发展,Web已成为一个拥有海量数据资源的信息网络空间。挖掘用户Web行为数据,识别匿名Web用户,具有重要的应用价值。如公安领域中,Web用户识别能够为网络预警、布控、安全监管等工作提供决策支持。因此,本文基于Web用户浏览中蕴藏的模式,研究匿名Web用户的识别问题。具体研究内容包括:(1)用户Web行为模式挖掘。针对用户Web行为数据的分析,提出了基于贝叶斯网络模型的用户Web行为模式挖掘方法。实验表明,文中所提方法能够挖掘出用户行为中蕴藏的规律,提取出指定Web用户的行为模式。(2)用户Web行为模式聚类。提出了一种Web用户行为模式的聚类方法,探讨了Web用户行为模式库的索引模型构建方法。实验表明,基于Web行为模式的聚类以及该索引模型,能够高效地判断匿名用户模式所属的类别。(3)匿名Web用户识别。提出一种基于贝叶斯网络模型的网络结构、网络参数及各站点停留时间权重的Web匿名用户识别方法。实验表明,该方法能够较准确地识别出匿名用户。基于Sogou搜索引擎的用户查询日志数据集,对所提出的方法进行了验证。实验表明,基于本文提出的方法,从Web浏览日志中提取用户的行为模式是可行的,同时,基于用户Web行为模式的聚类,可提高匿名Web用户识别的效率。(本文来源于《西北师范大学》期刊2018-05-01）
赵子慧[4]（2017）在《基于用户浏览模式的新闻推荐系统设计》一文中研究指出如今的因特网行业正在快速发展,在这个时代,信息数量巨大,更新速度飞快,使得网络浏览者在众多资讯中无法找到自己真正所需。为了解决这一问题,在推荐系统出现之前,人们运用搜索引擎通过关键词找到自己对信息的需求,然而某些场景下用户无法很精确地明确自己所需要的关键词,使得搜索引擎的效果大打折扣。个性化推荐经过对用户数据的分析,从而发现他们的相应特征与偏好,及时提供最符合用户的推荐结果。作为有效解决用户没有明确需求下的信息过载问题的工具之一,它已经变为许多领域的研究热点。个性化推荐系统可以智能地为因特网用户推荐他们所感兴趣的内容,让人们从海量数据的迷茫中解脱出来。在因特网新闻方面,个性化推荐也极其重要,今日头条网(http://www.toutiao.com/)、新浪新闻网(http://news.sina.com.cn/)等网站每天都在发布各行各业的时事新闻,随着新闻信息量与信息更新速度的不断增大,网页新闻浏览者难以看到自身所感兴趣的新闻内容,常常让自己丢失在海量级别的新闻资讯中。当遇到这一类问题时,新闻推荐系统可以根据浏览者个性化的浏览记录,发掘出他们的潜在浏览偏好,形成相应的推荐结果。从而节约了大量浏览者的新闻探寻时间,提高了浏览者的满意度,同时降低网页新闻资源浪费程度。利用用户的显式反馈信息进行推荐的推荐方法是目前比较常见的方法,然而相对于显式反馈,由于隐式反馈信息更容易获取,具有普遍性,因此根据隐式反馈信息所设计的推荐系统具有更加广泛的适用性,本文所设计的推荐系统是根据隐式反馈信息所设计的。本文主要对网页新闻浏览者的隐式反馈数据进行处理,对推荐模型以及推荐算法、用户模型的构建、推荐的混合方案和策略等内容开展研究,将浏览者群体按照浏览频率进行划分,对不同浏览者群体采用不同推荐算法混合,对于经常浏览用户,综合用户协作型过滤算法、内容推荐算法进行结果上的混合,对于不常浏览用户,综合了物品协作过滤算法的相似度计算以及内容推荐算法的相似度计算法则,进行相应算法上的混合,并将得出的相应推荐结果与基于随机漫步的PersonalRank算法进行混合。使得推荐系统中单一算法存在的问题如新加入物品的推荐、数据的稀疏性等不足得以降低。根据上述设计思路以及相应算法的实现完成了整个新闻推荐系统的设计,同时本文所使用的混合策略的有效性在后续实验中根据相应评价指标的对比得以验证。(本文来源于《云南财经大学》期刊2017-05-01）
朱立夫,刘向东[5]（2016）在《基于用户多页面浏览模式下的网络结构推荐系统的研究》一文中研究指出针对用户普遍使用的多页面浏览器产生树型结构的浏览路径,Web日志中将会呈现非时序的日志记录。本文提出了一种新的自上而下的用户访问路径收集算法,进而得出的用户在一次会话中可能访问的复数目的页面,由此得出全局目的页面访问频度矩阵,此矩阵的数据作为实现基于网络结构的推荐系统的核心数据。(本文来源于《智能计算机与应用》期刊2016年05期）
王荣桂[6]（2016）在《Office的多标签浏览模式》一文中研究指出当前,众多的浏览器都采用了多标签浏览模式,所有的网页集中在一个窗口中,通过单击不同的标签页来实现不同浏览页面窗口的切换。其实,Office软件也可以通过相关控件和设置,实现多标签浏览,这样切换文档就方便了许多。1.类似效果的多窗口浏览Office 2016本身只能实现多标签类似功能。用Word 2016打开要编辑的文档,选择"视图"选项卡,在"窗口"功能区下,单击"新建窗口"菜单,再单击"并排查看"菜(本文来源于《电脑爱好者》期刊2016年19期）
何远舵,陈之昀,王亚沙[7]（2015）在《一种面向浏览式购物行为模式的LBS购书移动应用》一文中研究指出为了提升用户体验,目前涌现了一批辅助购物的移动应用。这些应用为用户补充商品的信息,适用于目标明确的购物行为模式。然而,在现实生活中,还普遍存在没有明确购物目标、将购物作为休闲方式的浏览式购物行为模式。现有应用对此模式支持不足。为此,以书店为应用场景,开发了一种基于室内定位技术的浏览式购物辅助移动应用。此应用后端从书店信息系统和互联网中收集包括书籍摆放位置的各类信息,然后利用关键词提取技术,建立基于位置的关键词库;前端则利用室内定位技术,根据购物者位置向其展示附近书籍概览信息,辅助购物者对附近商品快速认知。案例评估表明,此应用可以提升浏览式购物顾客的购物体验。(本文来源于《计算机科学》期刊2015年12期）
吴文汐,喻国明[8]（2015）在《城市互联网用户的媒介使用和信息倚赖——对用户的媒介依赖度、信任度及网络新闻浏览模式的分析》一文中研究指出本文重点探讨的是关于当下城市互联网用户媒介接触的若干"新常态"——包括媒介依赖度、信任度及网络新闻的浏览模式等方面的主要发现和分析性结论。(本文来源于《当代传播》期刊2015年03期）
邱奕飞,马力[9]（2014）在《基于频繁链表-存取树的Web用户浏览模式挖掘算法》一文中研究指出为了观察网络用户浏览行为以研究用户偏爱的浏览模式集和个人兴趣,本文采用频繁链表结合存取树的增量式结构,使用捕获的网络用户浏览轨迹构建、更新该结构并使用同类合并的思想挖掘该结构以获得用户偏爱浏览模式集。实验通过对比本算法与GSP算法在同一测试集上的更新和挖掘情况,证明本算法在准确度和效率上都大幅领先。同时,该算法也为后续的长期观察研究提供了理论基础。(本文来源于《电子设计工程》期刊2014年23期）
仇云龙[10]（2014）在《基于J2EE和MVC模式的中医学学科信息浏览登记系统的设计与实现》一文中研究指出在J2EE和MVC模式思想的基础上,文章设计了中医学学科信息浏览登记系统的技术路线,对系统的功能和结构进行了分析和设计,并对系统开发过程中的主要技术难点进行了阐述。(本文来源于《江苏科技信息》期刊2014年07期）
浏览模式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
浏览行为的频繁模式描述用户浏览模式和偏好,其中集合频繁模式反映访问页面间的相关性,序列频繁模式描述用户频繁访问路径,正则频繁模式刻画用户访问行为的语义信息。浏览行为的频繁模式能够用于浏览行为预测、网站结构的优化以及浏览页面的推荐,具有提高用户的体验、增加系统的粘性的作用。本文主要研究可水平扩展的频繁模式挖掘算法,解决海量的日志数据的分析任务,并重点解决在分布式环境下基于模式增长算法的负载均衡和基于连接-剪枝策略算法的候选序列生成的问题,具体工作如下:1.集合频繁模式分布式挖掘:研究基于模式增长的集合频繁模式挖掘算法(FP-Growth)的分布式设计,建立条件模式树与挖掘负载之间关系,并运用它们之间关系设计分布策略,从而实现原始数据集均衡切分,避免建立全局FP-Tree,解决分布式挖掘算法过程中单点存储瓶颈问题,并设计一种基于Spark的近似负载均衡的FP-Growth分布式算法,从而实现负载均衡的集合频繁模式挖掘。2.序列频繁模式分布式挖掘:研究基于连接-剪枝策略的序列频繁模式挖掘算法AprioriAll的分布式设计,通过RDD的持久化缓存算子实现中间结果重用,减少磁盘I/O消耗。同时,改进AprioriAll算法频繁2序列的生成方式,使用PairWise方式代替频繁1序列自连接生成候选2序列的过程,解决了大规模的频繁1序列生成频繁2序列所造成的高额时空开销的问题,从而实现一种基于Spark平台下的可扩展的AprioriAll算法(Spark-AprioriAll)。3.正则频繁模式分布式挖掘:通过父-子类层次语义体系标注网页的类,将浏览网页序列转化为网页类型序列,从而定义正则频繁模式,描述用户访问行为的语义信息,并通过Spark-AprioriAll算法实现。4.系统原型设计和算法性能测试:首先,针对基于Spark的频繁浏览模式挖掘系统进行系统原型设计。然后,实施对照实验,验证本文提出的频繁浏览模式分布式挖掘算法的准确性、速度性能和扩展性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
浏览模式论文参考文献
[1].陈岑,卿粼波,何小海,张余强.基于B/S模式的叁维岩心浏览系统的设计与实现[J].信息技术与网络安全.2018
[2].王森.基于Spark的频繁浏览模式挖掘系统的设计与实现[D].东南大学.2018
[3].乔保民.基于Web浏览行为模式的匿名用户识别[D].西北师范大学.2018
[4].赵子慧.基于用户浏览模式的新闻推荐系统设计[D].云南财经大学.2017
[5].朱立夫,刘向东.基于用户多页面浏览模式下的网络结构推荐系统的研究[J].智能计算机与应用.2016
[6].王荣桂.Office的多标签浏览模式[J].电脑爱好者.2016
[7].何远舵,陈之昀,王亚沙.一种面向浏览式购物行为模式的LBS购书移动应用[J].计算机科学.2015
[8].吴文汐,喻国明.城市互联网用户的媒介使用和信息倚赖——对用户的媒介依赖度、信任度及网络新闻浏览模式的分析[J].当代传播.2015
[9].邱奕飞,马力.基于频繁链表-存取树的Web用户浏览模式挖掘算法[J].电子设计工程.2014
[10].仇云龙.基于J2EE和MVC模式的中医学学科信息浏览登记系统的设计与实现[J].江苏科技信息.2014
论文知识图
