导读:本文包含了访问信息挖掘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:信息,数据挖掘,电子商务,个性化服务,规则,热点,日志。
访问信息挖掘论文文献综述
杨富华,彭钢[1]（2016）在《基于访问日志挖掘的高校综合信息门户页面推荐研究》一文中研究指出研究基于访问日志挖掘的高校综合信息门户页面推荐。从高校综合信息门户服务器日志中获取用户日志数据,对日志数据中的"脏"数据进行预处理,通过改进的K-means聚类算法将用户浏览兴趣度数据集划分为多个具有相近兴趣度的用户集合,凭此为用户提供个性化的页面推荐。实验结果表明,在高校综合信息门户页面推荐方面具有不错的效果。(本文来源于《计算技术与自动化》期刊2016年04期）
孟令达,周喜[2]（2013）在《基于区域—频道访问度的民意热点信息挖掘算法》一文中研究指出为了有效地从电子政务网站的Web日志中挖掘民众关注的热点信息,提出基于区域—频道访问度的民意热点信息挖掘算法——PHIMA算法。该算法在分析目前Web日志挖掘算法存在的问题的基础上,利用提出的区域—频道访问度概念设计Web访问矩阵,并基于该矩阵结合区域—频道访问度和灰关联分析法提出。实验表明算法能有效地挖掘民意热点信息,可用于电子政务网站站点优化、个性化服务和为决策者提供决策支持等。(本文来源于《计算机应用研究》期刊2013年07期）
肖欣,范宽,张伟[3]（2012）在《基于用户域名访问记录的信息再挖掘》一文中研究指出用户域名访问记录的信息再挖掘主要是利用网络数据分析挖掘用户的网络行为,首先通过DNS数据包采集和清洗,完成海量数据的筛选,然后依据用户的域名访问类别特征,采用数据库匹配和网页自动分类两个步骤完成网页分类过程,形成用户指纹模式,并进一步对其进行聚类,实现用户群体划分和跨时域跟踪。(本文来源于《信息网络安全》期刊2012年12期）
陈永当,王钰鑫,鲍志强,任慧娟[4]（2012）在《基于用户访问信息的数据挖掘方法及其算法》一文中研究指出旨在探讨一种新的Web访问信息挖掘方法及其算法。分析一般知识发现与Web挖掘方法,提出常见的基于Weblog访问信息的数据挖掘方法存在的局限性,在此基础之上,提出了一种基于自建访问信息收集库的Web访问信息挖掘方法,详细阐述了其中的知识仓库导航页面集与用户访问行为的描述方法,以及访问事务库的挖掘算法。该新方法具有更简便、灵活、高效的特点。(本文来源于《计算机工程与应用》期刊2012年15期）
施建华[5]（2010）在《WEB访问信息挖掘在B2C站点中的应用研究》一文中研究指出文章立足于WEB数据挖掘技术,就WEB访问信息挖掘技术如在在网购B2C站点中的应用展开研究。其主要应用有以下几方面:利用WEB访问信息挖掘发现导航模式、利用WEB访问信息挖掘改进B2C站点访问效率、利用WEB访问信息挖掘进行B2C站点商业智能发现。(本文来源于《大众科技》期刊2010年12期）
刘建东[6]（2010）在《基于Web访问信息挖掘的数字图书馆个性化服务研究》一文中研究指出随着数字图书馆在各国的迅猛发展，其相关研究工作也掀起了一股热潮，其中数字图书馆的个性化服务已经成为一个重要的研究课题，它利用Web挖掘技术，通过对用户的访问日志数据以及订阅信息进行分析和挖掘，发现用户的兴趣所在，进而为不同层次，不同偏好的用户提供具有针对性的个性化信息资源服务。个性化服务对数字图书馆整体的服务决策具有十分重要的意义。本文首先介绍了数字图书馆个性化信息服务技术，接着阐述了Web访问信息挖掘技术的基本原理，并对基于关联规则的FP-growth算法进行了深入研究，针对其应用在推荐系统会产生重复推荐的问题，对算法进行了改进，提出了一种FP-growth_s算法，该算法生成了最大频繁项目集，避免了冗余频繁项目集的产生，减少了产生关联规则的数量，有效解决了产生重复推荐的可能，应用在推荐系统中可以提高系统运行效率。经过进一步的研究发现，利用最小支持度和最小可信度生成的关联规则，在某些情况下并不能对用户提供准确的推荐，针对此问题，提出了一种基于页面兴趣度的IN_FP推荐算法，该算法首先建立页面兴趣度模型，然后对可信度进行兴趣加权，在利用FP-growth_s算法生成最大频繁项目集后，采用加权后的可信度产生关联规则，将该推荐算法应用在推荐系统中可以挖掘出更加精确的结果，为用户提供更有价值和意义的推荐服务。最后，本文搭建了整个数字图书馆个性化服务系统，并把IN_FP推荐算法应用在此系统中，实现了数字图书馆的个性化推荐服务。(本文来源于《浙江理工大学》期刊2010-03-11）
王小刚[7]（2009）在《浅谈基于Web的网络访问信息挖掘》一文中研究指出针对如何利用Web上的信息资源,发现对个体有价值和感兴趣的信息的问题进行分析,并提出将数据挖掘的技术引入Web中的解决方式。(本文来源于《黑龙江科技信息》期刊2009年25期）
崔丽娟[8]（2009）在《Web访问信息挖掘在电子商务个性化服务中的应用研究》一文中研究指出通过对用户访问信息进行有效的数据挖掘,可以从用户浏览网站的数据中抽取感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构,为用户提供个性化服务。(本文来源于《潍坊学院学报》期刊2009年04期）
蔡友林,陆钢[9]（2008）在《基于WEB访问信息挖掘提高电子商务个性化服务研究》一文中研究指出随着Internet的发展,个性化信息服务已经被广泛应用到很多领域.本文阐述了电子商务个性化服务的数据挖掘方法,并对电子商务个性化服务的实现进行了探讨。(本文来源于《商场现代化》期刊2008年20期）
赵元媛[10]（2008）在《基于Web的用户访问信息挖掘研究》一文中研究指出网络的普及,海量的Web信息为数据挖掘提供了丰富的资源,Web用户访问信息的挖掘便是基于Web研究中最广泛的一种应用。其目的是更好地理解基于Web的各种应用,以便提供优质的服务。由于其潜在的应用价值,Web访问信息挖掘在研究领域和商业领域都取得了迅速的发展。本文在介绍数据挖掘和Web挖掘的基础上,重点对Web日志挖掘进行了研究,首先介绍了Web日志的数据预处理五个基本过程,即数据清理、用户识别、会话识别、路径补充以及事务识别,并对基于cookie的用户识别技术及基于最大前向引用的事务识别方法进行了分析。其次,介绍了关联规则挖掘的相关理论和Apriori算法,分析了关联规则挖掘存在的一些不足,研究了基于兴趣度的页面关联规则挖掘,其主要是将用户兴趣度和页面关联规则相结合,并应用于个性化服务中。然后,研究了利用聚类分析实现实时个性化推荐的方法,通过聚类具有顺序访问特性的用户,并得到每一个用户类的相应的页面推荐集,利用推荐引擎对用户的当前访问进行分类,将当前用户归结到某一个聚类集中,然后在用户当前访问的页面,推荐用户所属用户类的推荐页面集。本文最后构建了一个Web日志挖掘技术在远程教育网站中的应用模式。在远程教育过程中,通过引入Web日志挖掘,不仅可以为学习者提供个性化学习,而且有利于远程教学的各种管理工作。(本文来源于《贵州大学》期刊2008-05-01）
访问信息挖掘论文开题报告
（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：
为了有效地从电子政务网站的Web日志中挖掘民众关注的热点信息,提出基于区域—频道访问度的民意热点信息挖掘算法——PHIMA算法。该算法在分析目前Web日志挖掘算法存在的问题的基础上,利用提出的区域—频道访问度概念设计Web访问矩阵,并基于该矩阵结合区域—频道访问度和灰关联分析法提出。实验表明算法能有效地挖掘民意热点信息,可用于电子政务网站站点优化、个性化服务和为决策者提供决策支持等。
（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。
访问信息挖掘论文参考文献
[1].杨富华,彭钢.基于访问日志挖掘的高校综合信息门户页面推荐研究[J].计算技术与自动化.2016
[2].孟令达,周喜.基于区域—频道访问度的民意热点信息挖掘算法[J].计算机应用研究.2013
[3].肖欣,范宽,张伟.基于用户域名访问记录的信息再挖掘[J].信息网络安全.2012
[4].陈永当,王钰鑫,鲍志强,任慧娟.基于用户访问信息的数据挖掘方法及其算法[J].计算机工程与应用.2012
[5].施建华.WEB访问信息挖掘在B2C站点中的应用研究[J].大众科技.2010
[6].刘建东.基于Web访问信息挖掘的数字图书馆个性化服务研究[D].浙江理工大学.2010
[7].王小刚.浅谈基于Web的网络访问信息挖掘[J].黑龙江科技信息.2009
[8].崔丽娟.Web访问信息挖掘在电子商务个性化服务中的应用研究[J].潍坊学院学报.2009
[9].蔡友林,陆钢.基于WEB访问信息挖掘提高电子商务个性化服务研究[J].商场现代化.2008
[10].赵元媛.基于Web的用户访问信息挖掘研究[D].贵州大学.2008
论文知识图
