声明
摘要
第1章 引言
1.1 研究背景与意义
1.2 研究目标及主要工作
1.3 论文组织结构
第2章 研究基础
2.1 用户浏览行为
2.1.1 用户浏览行为分类
2.1.2 用户浏览行为的获取方法
2.1.3 用户浏览行为研究现状
2.2 用户兴趣建模
2.2.1 用户兴趣模型表示
2.2.2 用户兴趣建模研究现状
2.3 M5模型树
2.3.1 模型树的构建
2.3.2 线性回归模型
2.4 相关技术
2.4.1 BHO技术
2.4.2 决策树分类算法
2.4.3 向量空间模型
2.4.4 SVM
2.5 本章小结
第3章 面向用户兴趣的用户行为分析基础及框架
3.1 用户浏览行为分析过程
3.2 用户浏览行为模型
3.2.1 用户浏览行为获取
3.2.2 用户浏览行为建模
3.2.3 模型的评价与更新
3.3 用户兴趣模型
3.3.1 用户兴趣模型的构建
3.3.2 用户兴趣模型的评价
3.4 面向用户兴趣的多特征用户行为分析框架
3.5 本章小结
第4章 基于M5模型的用户行为分析方法
4.1 可分析行为事件相关定义
4.1.1 页面停留时间
4.1.2 鼠标点击次数
4.1.3 页面重访问次数
4.1.4 滑块移动次数
4.2 基于M5的用户行为模型
4.2.1 基于M5的用户行为分析过程
4.2.2 基于M5的用户行为分析算法
4.2.3 基于M5的用户行为分析结果
4.3 实验分析
4.3.1 实验数据
4.3.2 搜索任务类型对用户浏览行为的影响
4.3.3 和Nicholas Belkin的对比实验
4.4 本章小结
第5章 基于分类的用户兴趣建模
5.1 基于分类的用户兴趣模型结构
5.2 基于搜狐语料的SVM分类器
5.3 基于分类的用户兴趣建模过程
5.3.1 文档类别矩阵的构建
5.3.2 带权文档特征词矩阵的构建
5.3.3 用户兴趣分布的确定
5.4 基于分类的用户兴趣模型的评价
5.5 本章小结
第6章 面向用户兴趣的用户行为分析系统的设计与实现
6.1 系统总体设计
6.1.1 系统体系结构
6.1.2 数据库设计
6.1.3 核心类设计
6.2 用户浏览行为获取工具
6.2.1 用户浏览行为采集功能的实现
6.2.2 数据上传功能的实现
6.3 用户浏览行为分析模型的实现
6.3.1 自动化识别任务类型
6.3.2 数据预处理功能的实现
6.3.3 基于M5的用户行为模型的实现
6.4 分类兴趣模型的实现
6.5 本章小结
第7章 结论
参考文献
致谢