前言第1章 Web挖掘概述 1.1 Web發展曆史與現狀 1.1.1 Web技術發展 1.1.2 Web上的信息爆炸 1.2 Web挖掘的概念 1.2.1 典型的Web挖掘定義 1.2.2 Web挖掘與數據挖掘、信息檢索、信息抽取的區彆 1.3 Web挖掘麵臨的挑戰 1.3.1 Web數據的高度復雜性 1.3.2 Web數據檢索的局限性 1.4 Web挖掘的研究方嚮 1.5 小結第2章 Web挖掘的基礎知識 2.1 Web挖掘的主要預備知識 2.1.1 數據挖掘 2.1.2 文本挖掘 2.1.3 信息檢索 2.2 Web挖掘分類 2.2.1 Web數據的分類體係 2.2.2 Web挖掘分類 2.3 Web挖掘的主要應用 2.4 Web挖掘的基本流程 2.4.1 數據采集 2.4.2 數據預處理 2.4.3 模式挖掘 2.4.4 模式評估 2.5 Web挖掘領域的重要文獻、國際期刊與會議、標準規範 2.5.1 Web挖掘領域的重要文獻 2.5.2 Web挖掘相關的國際期刊與國際會議 2.5.3 Web挖掘相關的標準、規範及語言 2.6 小結第3章 Web爬取與頁麵組織管理 3.1 Web爬取概述 3.1.1 Web爬取的分類 3.1.2 Web爬取的基本原理 3.1.3 Web爬取麵臨的挑戰 3.2 Web爬取中的主要技術問題 3.2.1 爬取次序 3.2.2爬取性能問題 3.2.3 爬取禮貌性問題 3.3 隱含Web爬取 3.3.1 隱含Web爬蟲框架及工作機理 3.3.2 錶單分析與提交 3.3.3 隱含Web爬蟲實例HiWE 3.4 麵嚮主題的Web爬取 3.4.1 主題相關度分析 3.4.2 確定下個訪問URL 3.4.3 麵嚮主題爬取的爬蟲實例 3.5 爬取頁麵的存儲與管理 3.5.1 爬取文檔的特點 3.5.2 爬取文檔的存儲方法 3.5.3爬取文檔的管理 3.6 小結第4章 Web結構挖掘 4.1 Web結構挖掘概述 4.1.1 Web結構挖掘的分類 4.1.2 Web結構挖掘的應用 4.2 PageRank算法 4.2.1 超鏈接分析的假設 4.2.2 隨機衝浪(random surfing)模型 4.2.3 PageRank值的計算 4.2.4 PageRank算法的改進 4.2.5 PageRank算法在Google中的應用 4.3 HITS算法 4.3.1 HITS算法的基本思想 4.3.2 HITS算法具體過程 4.3.3 HITS算法與PageRank算法的對比 4.3.4 HITS算法改進 4.4 Hilltop算法 4.4.1 Hilltop算法基本思想 4.4.2 專傢頁麵選取及分值計算 4.4.3 目標頁麵選取及分值計算 4.4.4 PageRank算法和Hilltop算法區彆 4.4.5 Hilltop算法的缺陷 4.5 Web宏觀結構特性分析 4.5.1 Web的無尺度特性 4.5.2 Web的小世界(small world)特性 4.5.3 “蝴蝶結”和“日冕”現象 4.5.4 Web宏觀結構特性的主要應用 4.6 小結第5章 Web內容挖掘 5.1 Web頁麵的特徵錶示 5.1.1 特徵錶示的基本原理 5.1.2特徵的離散化 5.1.3 Web頁麵特徵分析 5.1.4頁麵文本建模 5.2 Web頁麵分類 5.2.1 分類方法綜述 5.2.2 基於內容的網頁分類 5.3 Web頁麵聚類 5.3.1 聚類方法綜述 5.3.2 基於內容的頁麵聚類 5.4 麵嚮Web的信息抽取 5.4.1 信息抽取概述 5.4.2命名實體識彆 5.4.3 實體關係檢測 5.4.4 頁麵元數據抽取 5.5 麵嚮Web的本體學習 5.5.1 麵嚮文本的本體學習概述 5.5.2 概念獲取 5.5.3 概念關係獲取 5.5.4 試驗結果與分析 5.6 麵嚮Web的知識元及其關聯抽取 5.6.1 知識元及其關聯抽取概述 5.6.2知識元抽取 5.6.3 知識元前序關係抽取 5.7 多媒體數據挖掘 5.7.1 圖像數據的挖掘 5.7.2 視頻數據的挖掘 5.7.3 音頻數據的挖掘 5.8 Web內容挖掘的未來研究方嚮 5.9 小結第6章 Web日誌挖掘 6.1 Web日誌挖掘概述 6.1.1 Web日誌挖掘的分類 6.1.2 Web日誌挖掘的典型應用 6.1.3 Web日誌挖掘的流程 6.2 Web日誌預處理 6.2.1 Web日誌數據的格式 6.2.2 Web日誌數據清洗 6.2.3 用戶識彆和會話識彆 6.2.4 訪問路徑填充 6.2.5 事務識彆 6.3 序列模式挖掘 6.3.1 序列模式的定義 6.3.2 GSP算法 6.3.3 PrefixSpan算法 6.4 Web用戶行為模式挖掘 6.4.1 研究現狀 6.4.2 相關概念 6.4.3 用戶行為模式挖掘工作機理 6.5 Web用戶個性挖掘 6.5.1 個性挖掘的基本概念 6.5.2 個性屬性歸並 6.S.3 用戶個性聚類 6.5.4 個性特徵與行為的關聯規則分析 6.5.5 個性特徵的獲取 6.5.6 實例 6.6 Web用戶興趣感知 6.6.1 研究現狀 6.6.2 基於建構主義的學習興趣感知 6.6.3 用戶興趣模型的錶示和更新 6.6.4 用戶興趣感知舉例 6.7 Web日誌挖掘的未來研究方嚮 6.8 小結第7章 Web挖掘的應用實例 7.1 應用1：麵嚮網絡學習的學習者個性挖掘 7.1.1 學習者模型和數據收集 7.1.2 學習者個性挖掘機理 7.1.3 PELDIS工作流程 7.1.4 個性挖掘實例 7.2 應用2：海量Web資源中的知識處理與服務 7.2.1 體係結構與工作機理 7.2.2 基於主題圖的Web資源組織與管理 7.2.3 主題圖的自動生成 7.2.4 多維關聯索引構建與檢索結果的個性化排序 7.2.5 個性化資源推薦與導航 7.2.6 基於SOA的Yotta係統實現 7.3 小結參考文獻
· · · · · · (收起)