摘要：针对现在网络远程教育存在的系统教育模式单一问题,通过介绍web挖掘在远程教育系统中的应用,指出了web挖掘的基本过程和关键技术,提出了一种基于web挖掘的个性化远程教育服务系统模型,重点论述了应用web挖掘进行个性化远程教育服务系统的体系结构及其个性化引擎实现。实践证明基于web挖掘技术在远程学习系统中的应用提高了学习系统的个性化服务水平,为系统的决策分析提供了智能的辅助手段。

摘要：XML适合于解决web数据挖掘中数据库环境异构和信息的半结构化等难题。web结构挖掘是整个web信息挖掘的重要组成部分。用XML来完成web结构信息的预处理是将web结构信息规范化并转化为XML数据,并以此明确网站的文件构成、组织方式、内容构成和内容的超链关系。提出基于XML的web结构挖掘系统的实现过程,解决了XML文件通过标准接口读入到挖掘程序的关键技术。

摘要：随着web信息量的增长,web用户也迅速增长,如何在海量信息中找出用户需要的信息变得更加重要。基于web服务器日志,分析在线用户的浏览行为,挖掘web数据并找出用户的遍历模式已经成为一个新的研究领域。针对web站点的结构,给出了一个web挖掘的完整框架,允许在分析复杂的遍历模式时加入约束条件,然后对框架中算法的执行效率和执行准确性进行比较和分析,同时展望了web挖掘的未来研究方向。

摘要：web挖掘数据源质量的好坏直接影响到电子商务系统中商品销售推荐算法的结果。目前大量的电子商务分析使用web日志作为数据源,限制了分析决策功能且易出现错误。提出了一种基于应用层记录的事件统一模型EUP,它能够进行更准确和方便的用户和会话识别,解决了web日志的一系列预处理问题,集成了购买、浏览及其它各种类型事件,兼容其它web挖掘算法,并且可以支持多维多层次的web挖掘分析。实验结果表明,该模型可以为智能电子商务站点提供高质量的数据源,进而提高智能服务的质量。

摘要：分析了挖掘频繁访问模式的过程和当前Apriori算法的缺陷,提出了一种Apriori算法的改进算法:BI_Apriori算法。改进的算法采用不规则数组来保存项集信息,有效省去了扫描数据库所耗费的大量时间。将项集有序性引入到该数组上,减少了候选项集的个数。并采用二进制来表示1阶频繁访问模式,提高了模式匹配和连接的效率。试验结果表明,该改进算法能更有效地发现各种长度不同的访问模式。

摘要：本文针对目前搜索引擎存在的不足,充分研究了个性化搜索引擎的发展现状,设计并实现了一种个性化搜索引擎,同时提出了一种查询语句优化策略,在此基础上,又对基于语义web的搜索引擎进行了研究探索。

摘要：如何挖掘学习者学习特征是公务员个性化学习系统设计的核心和重点,web挖掘技术是解决这一问题的有力工具。通过分析和研究web挖掘的分类和过程,给出了基于web挖掘的个性化在线学习的系统架构及算法思想。

摘要：基于web挖掘,提出了一种新的个性化远程教育模型。它能充分利用用户web访问记录,同时结合用户与站点的交互数据进行挖掘,以此来发现学习者的浏览(学习)兴趣,从而改进页面的设计,优化站点结构,更好地满足学习者的个性化需求,提升个性化远程教育的质量。

摘要：随着网络的普及,电子商务得到了快速发展,涌现出大量的购物平台,包含着各类琳琅满目商品,一定程度上增加了用户的商品选择难度。因此,如何让用户选择自己满意的商品,实现商品的个性化推荐服务是电子商务网站成功的关键。而web挖掘技术的应用正好能实现这一功能,对其在电子商务中的应用研究具有一定的实际意义。

摘要：分析了应用于个性化推荐的web页面关联规则的特点,提出了“壹支持数下k关联规则”的思想,根据这一思想设计、实现了一种应用于个性化推荐的web页面关联规则挖掘算法——PARM(Pageview Association Rule Mining)及频繁项集的Freq-Set-Tree存储结构,在产生频繁项的同时挖掘关联规则,因而能提高效率。实验证明在个性化推荐系统中PARM算法的效率明显高于FP-Growth算法。