Web日志在个性化远程教育系统中的应用研究

论文摘要

随着现代远程教育在我国快速发展,远程教育建设也在逐步加强,网络教学系统更是层出不穷。个性化学习是现代远程教育中一个研究热点。Web日志挖掘是将数据挖掘技术应用于Web服务器日志文件等获得有关用户访问行为的知识。这些知识可以服务于Web站点的服务提供方和访问者,进而改进Web站点设计以方便用户使用,提高Web服务器的性能,增加个性化服务等。本文是利用Web日志挖掘的相关技术为不同的用户采取不同的服务策略,提供不同的服务内容,开展个性化服务。本文的主要内容有:（1）提出了聚类分析在数据挖掘模式识别中的应用问题。对聚类分析进行了综述:首先讲解了聚类分析有广泛的应用,包括市场或客户分割,模式识别,生物学研究,空间数据分析,Web文档分类,及许多其他方面。然后讲述了聚类分析的几种方法,划分的方法,层次方法,基于密度的方法,基于网格的方法,基于模型的方法。在这里,聚类分析用作独立的数据挖掘工具,可以作为其他数据挖掘的预处理步骤,也可以在模式识别中用来获得用户聚类和页面聚类。（2）提出了数据预处理模块。它是Web日志挖掘的第一阶段,包括数据清洗、用户识别、会话识别、路径补充和事务识别。本文分析了各个步骤的目的、方法,并给出了每个步骤的实现算法。（3）改进了用户兴趣度算法。并且在改进算法的基础上建立和实现了用户兴趣度模型-用户聚类和页面聚类。（4）最后对多模型进行系统的整合。本文提出了一种多模型的个性化远程教育系统并加以实现.

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的与意义
• 1.1.1 研究目的
• 1.1.2 研究意义
• 1.2 Web 日志的研究现状
• 1.2.1 国外的研究现状
• 1.2.2 国内的研究现状
• 1.3 现代远程教育研究现状
• 1.4 本文结构
• 1.5 本章小结
• 第二章 聚类分析综述
• 2.1 聚类分析
• 2.1.1 聚类分析概述
• 2.1.2 聚类分析的数据类型
• 2.2 主要聚类方法的分类
• 2.2.1 划分的方法
• 2.2.2 层次的方法
• 2.2.3 基于密度的方法
• 2.2.4 基于网格的方法
• 2.2.5 基于模型的方法
• 2.3 本章小结
• 第三章 Web 日志挖掘预处理
• 3.1 数据挖掘
• 3.1.1 数据挖掘的定义
• 3.1.2 数据挖掘的过程
• 3.1.3 数据挖掘的算法模型
• 3.2 Web 日志挖掘
• 3.2.1 Web 挖掘定义
• 3.2.2 Web 挖掘的分类
• 3.2.3 Web 日志介绍
• 3.2.4 Web 日志挖掘流程
• 3.3 数据预处理
• 3.3.1 数据清洗
• 3.3.2 用户识别
• 3.3.3 会话识别
• 3.3.4 路径补充
• 3.3.5 事务识别
• 3.4 实验分析
• 3.5 本章小结
• 第四章 基于 Web 日志的用户兴趣度挖掘
• 4.1 用户兴趣度的度量方法
• 4.2 基于访问时间和访问关键字的兴趣度量方法
• 4.2.1 用户访问时间
• 4.2.2 用户访问关键字
• 4.2.3 用户访问兴趣度
• 4.3 基于用户兴趣度的聚类算法
• 4.3.1 聚类算法
• 4.3.2 竞争凝聚
• 4.3.3 改进聚类算法
• 4.3.4 产生推荐集
• 4.4 实验分析
• 4.5 本章小结
• 第五章 基于 Web 日志的个性化远程教育系统
• 5.1 系统设计
• 5.2 系统实现
• 5.2.1 系统开发环境
• 5.2.2 系统功能模块
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 个人简历