基于Web挖掘的個性化信息推薦：知識轉移與知識服務研究

總序
序
前言
第1章 緒論
1.1 本書研究背景
1.2 本書研究目的與意義
1.2.1 本書研究目的
1.2.2 本書研究意義
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 Web挖掘研究現(xiàn)狀
1.3.2 個性化信息推薦研究現(xiàn)狀
1.4 本書研究內(nèi)容與方法
1.4.1 本書研究內(nèi)容
1.4.2 本書的研究方法
第2章 研究對象及問題界定
2.1 數(shù)據(jù)挖掘與Web挖掘
2.1.1 數(shù)據(jù)挖掘
2.1.2 Web挖掘
2.2 個性化與個性化信息推薦
2.2.1 個性化相關概念
2.2.2 個性化信息推薦
2.3 基于Web挖掘的個性化信息推薦流程
2.3.1 數(shù)據(jù)輸入
2.3.2 數(shù)據(jù)預處理
2.3.3 模式分析
2.3.4 在線推薦
第3章 基于Web挖掘的個性化信息推薦機理
3.1 全信息理論與信息過程模型
3.1.1 全信息理論
3.1.2 信息過程模型
3.2 基于全信息的“點擊流”信息運動過程模型
3.2.1 “點擊流”的含義
3.2.2 “點擊流”信息的層次
3.2.3 “點擊流”信息運動過程模型
3.3 “點擊流”信息運動視角的個性化信息推薦模型
3.3.1 “點擊流”信息獲取——捕獲Web用戶點擊行為
3.3.2 “點擊流”信息認知——提取Web用戶點擊行為模式
3.3.3 “點擊流”信息再生——產(chǎn)生個性化信息推薦策略
3.3.4 “點擊流”信息施效——實施個性化信息推薦策略
3.4 基于Web挖掘的個性化信息推薦的方法體系
3.4.1 語法層次的個性化信息推薦方法
3.4.2 語義層次的個性化信息推薦方法
3.4.3 語用層次的個性化信息推薦方法
第4章 語法層次的Web用戶偏好分析與推薦
4.1 語法層次的Web用戶偏好分析與推薦框架
4.2 Web交易事務集的提取
4.2.1 數(shù)據(jù)過濾
4.2.2 用戶識別
4.2.3 會話識別
4.2.4 路徑補充
4.3 基于Web交易事務聚類的Web用戶偏好分析
4.3.1 交易事務的表示
4.3.2 交易事務聚類
4.3.3 導出Web使用文檔
4.3.4 生成Web用戶偏好頁面集
4.4 基于頻繁Web頁面集的Web用戶偏好視圖
4.4.1 提取頻繁Web頁面集
4.4.2 生成Web用戶偏好視圖
第5章 基于網(wǎng)絡書簽的個性化信息推薦方法
5.1 Web 2.0與網(wǎng)絡書簽
5.1.1 Web 2.0概述
5.1.2 網(wǎng)絡書簽概述
5.2 基于網(wǎng)絡書簽的社團結構劃分
5.2.1 社團結構的定義
5.2.2 網(wǎng)絡書簽系統(tǒng)模型
5.2.3 基于CPM算法的社團結構劃分
5.2.4 實驗分析
5.3 網(wǎng)絡書簽系統(tǒng)中基于社團結構的個性化信息推薦
5.3.1 社團內(nèi)基于協(xié)作過濾的個性化信息推薦
5.3.2 社團間基于“信息橋”的個性化信息推薦
5.3.3 實驗分析
第6章 語義層次的基于Web文本挖掘的推薦規(guī)則獲取與匹配
6.1 基于Web文本挖掘的推薦規(guī)則獲取與匹配模型
6.2 基于向量空間模型的Web文本表示
6.2.1 Web頁面的凈化
6.2.2 Web文本特征粒度的選擇
6.2.3 Web文本特征的提取
6.2.4 Web文本特征的選擇
6.3 基于Web特征詞條聚類的文本挖掘
6.3.1 交易事務的特征詞條表示
6.3.2 基于特征詞條的交易事務聚類
6.3.3 導出Web文本文檔
6.3.4 生成匹配文檔
6.4 Web文本關聯(lián)規(guī)則獲取與匹配
6.4.1 基于關聯(lián)規(guī)則的頻繁Web特征詞條集
6.4.2 生成匹配文檔
第7章 整合Web語義知識的個性化信息推薦方法
7.1 整合Web語義知識的個性化信息推薦概述
7.1.1 整合Web語義知識的個性化信息推薦框架
7.1.2 整合Web語義知識的個性化信息推薦方法的優(yōu)勢
7.2 本體的基本理論
7.2.1 本體的概念與特點
7.2.2 本體的分類
7.2.3 本體的建模元語
7.2.4 本體的表示方法
7.3 Web領域本體的構建
7.3.1 本體構建的一般方法
7.3.2 Web領域本體的構建過程
7.4 基于Web領域本體的個性化信息推薦方法
7.4.1 導出語義層次的Web使用文檔
7.4.2 生成個性化推薦Web頁面集
第8章 基于社會化標簽的Web用戶興趣建模
8.1 社會化標簽概述
8.1.1 社會化標簽的起源
8.1.2 社會化標簽系統(tǒng)模型
8.1.3 社會化標簽系統(tǒng)的特點與不足
8.2 基于社會化標簽聚類的Web用戶興趣模型
8.2.1 基于社會化標簽的向量空間模型
8.2.2 基于密度聚類的Web用戶興趣模型
8.2.3 實驗分析
8.3 基于社會化標簽網(wǎng)絡的Web用戶興趣模型
8.3.1 社會網(wǎng)絡分析概述
8.3.2 Web用戶的社會化標簽網(wǎng)絡模型
8.3.3 基于SNA的社會化標簽網(wǎng)絡分析
8.3.4 Web用戶興趣建模與個性化信息推薦
第9章 語用層次的Web用戶效用函數(shù)構建
9.1 引言
9.1.1 語用層次的個性化信息推薦方法的核心問題
9.1.2 面向此次Web站點訪問的Web用戶效用函數(shù)構建方法
9.2 基于用戶反饋的效用函數(shù)
9.2.1 用戶反饋
9.2.2 基于用戶顯式反饋的效用函數(shù)
9.2.3 基于用戶隱式反饋的效用函數(shù)
9.3 基于貝葉斯網(wǎng)絡學習機制的效用函數(shù)構建
9.3.1 貝葉斯網(wǎng)絡
9.3.2 基于一般Web用戶效用函數(shù)的先驗貝葉斯網(wǎng)絡構建
9.3.3 基于一般Web用戶效用函數(shù)的貝葉斯網(wǎng)絡學習
參考文獻
后記