網(wǎng)站信息組織優(yōu)化：基于網(wǎng)絡(luò)日志的用戶行為分析

定　價：￥38.00

作　者：	李志義，沈之銳，義梅練著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	計算機/網(wǎng)絡(luò) 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787121250781	出版時間：	2015-01-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書采用了眾多流行的數(shù)據(jù)挖掘算法，如利用K-means算法進行信息聚類和網(wǎng)頁自動抽取，利用貝葉斯分類器實現(xiàn)信息過濾與分類，將知識組織與網(wǎng)站優(yōu)化有機地結(jié)合起來，使得主題、目錄組織的思想融合貫通在智能網(wǎng)站設(shè)計當中。全書共分6章，主要介紹了網(wǎng)絡(luò)日志的數(shù)據(jù)來源、類型及其預(yù)處理技術(shù)；用戶信息行為，包括網(wǎng)絡(luò)用戶行為的構(gòu)成因素、分類，信息行為模型；用戶行為數(shù)據(jù)的提取和分析，用戶個性化知識服務(wù)需求的影響因素；網(wǎng)站優(yōu)化算法的設(shè)計；智能技術(shù)在網(wǎng)站開發(fā)中的應(yīng)用；機器學習的實現(xiàn)原理與訓練模型，利用貝葉斯分類算法對垃圾信息進行自動過濾。最后，還對網(wǎng)站導(dǎo)航優(yōu)化效果進行了調(diào)試與展示，并給出了實現(xiàn)的核心代碼。本書涉及數(shù)據(jù)挖掘、計算機編程、知識組織等多門學科的知識，理論性強。全書內(nèi)容深入淺出，既有較深的理論分析，也有適當?shù)脑O(shè)計案例，具有理論學習和實用開發(fā)雙重意義?！咀髡吆喗椤?999.7至今一直在華南師范大學從事有關(guān)信息管理、電子商務(wù)方面的專職教學工作。主持了廣東省哲學社會科學“十二五”規(guī)劃一般項目《基于網(wǎng)絡(luò)日志的用戶行為分析與網(wǎng)站信息組織優(yōu)化研究》（GD11CTS02），并參與了2011年度教育部人文社會科學研究青年基金項目《地方電子政務(wù)的用戶接納問題及其推進策略研究》（11YJC870003）。授課：《EB技術(shù)應(yīng)用與開發(fā)》，2005年-至今；《搜索引擎與網(wǎng)絡(luò)信息檢索》，2003年-至今；《網(wǎng)頁設(shè)計與制作》，2000年-2009年；《信息檢索研究》，2008年-至今；《電子商務(wù)網(wǎng)站開發(fā)》，2008年至今；《電子商務(wù)運營管理》，2011年至今。

作者簡介

暫缺《網(wǎng)站信息組織優(yōu)化：基于網(wǎng)絡(luò)日志的用戶行為分析》作者簡介

圖書目錄

第1章緒論
　1．1 背景介紹
　　1．1．1 目前網(wǎng)站建設(shè)存在的主要問題
　　1．1．2 基于網(wǎng)絡(luò)日志的用戶信息行為研究具有重要價值
　　1．1．3 網(wǎng)站設(shè)計與用戶體驗的最佳組合
　1．2 國內(nèi)外相關(guān)研究綜述
　　1．2．1 基于網(wǎng)絡(luò)日志的網(wǎng)站信息組織研究
　　1．2．2 基于網(wǎng)絡(luò)日志的用戶信息行為研究
　1．3 本書內(nèi)容的理論價值和現(xiàn)實意義
　　1．3．1 學術(shù)與理論價值
　　1．3．2 現(xiàn)實意義
　1．4 本書采用的技術(shù)路線和方法
　　1．4．1 技術(shù)路線
　　1．4．2 主要方法
　1．5 本書的主要內(nèi)容
　1．6 本書的創(chuàng)新點
第2章網(wǎng)站信息組織優(yōu)化與網(wǎng)絡(luò)日志挖掘概述
　2．1 WEB技術(shù)的發(fā)展與網(wǎng)絡(luò)日志挖掘相互促進
　2．2 網(wǎng)站信息組織優(yōu)化的基本內(nèi)容
　　2．2．1 網(wǎng)站信息組織優(yōu)化使網(wǎng)站更加智能化
　　2．2．2 網(wǎng)站信息組織優(yōu)化的特點
　　2．2．3 網(wǎng)站信息組織優(yōu)化的原理與機制
　　2．2．4 網(wǎng)絡(luò)環(huán)境下信息組織優(yōu)化的效率評價
　　2．2．5 網(wǎng)站信息組織優(yōu)化系統(tǒng)和原型研究
　　2．2．6 網(wǎng)站信息組織優(yōu)化的發(fā)展趨勢
　2．3 網(wǎng)絡(luò)日志挖掘簡介
　　2．3．1 網(wǎng)絡(luò)日志數(shù)據(jù)的來源與類型
　　2．3．2 網(wǎng)絡(luò)用戶行為數(shù)據(jù)的收集方法
　　2．3．3 日志挖掘的預(yù)處理技術(shù)
第3章網(wǎng)絡(luò)用戶信息行為分析
　3．1 用戶信息行為的定義
　3．2 網(wǎng)絡(luò)用戶行為
　　3．2．1 網(wǎng)絡(luò)用戶行為的概念
　　3．2．2 網(wǎng)絡(luò)用戶行為的特征
　　3．2．3 構(gòu)成網(wǎng)絡(luò)用戶行為的主要因素
　3．3 網(wǎng)絡(luò)用戶信息行為的類型
　　3．3．1 用戶的信息尋求行為
　　3．3．2 用戶的信息需求行為
　　3．3．3 用戶信息瀏覽行為
　　3．3．4 用戶信息檢索行為
　　3．3．5 網(wǎng)絡(luò)用戶的選擇和存儲行為
　　3．3．6 網(wǎng)絡(luò)用戶的信息吸收和利用行為
　3．4 關(guān)于信息行為模型的研究
　3．5 用戶個性化知識服務(wù)需求的影響因素
　　3．5．1 個人因素
　　3．5．2 環(huán)境因素
　3．6 基于用戶信息行為的B2C網(wǎng)站用戶認知檢索模型
　　3．6．1 認知信息檢索的發(fā)展及模型
　　3．6．2 用戶認知信息檢索的應(yīng)用分析
　　3．6．3 B2C電子商務(wù)用戶認知信息檢索的模型
　3．7 基于網(wǎng)絡(luò)日志的用戶行為數(shù)據(jù)的提取和分析――以某學院
　　網(wǎng)站為例
　　3．7．1 網(wǎng)絡(luò)日志的獲取及其分析方法
　　3．7．2 數(shù)據(jù)分析
第4章網(wǎng)站信息組織優(yōu)化算法的設(shè)計與實現(xiàn)
　4．1 智能推薦引擎的設(shè)計與實現(xiàn)
　　4．1．1 相似度計算
　　4．1．2 K均值算法在協(xié)作型推薦中的設(shè)計和應(yīng)用
　4．2 網(wǎng)站信息自動抽取技術(shù)的實現(xiàn)與應(yīng)用
　　4．2．1 網(wǎng)頁信息自動抽取的意義
　　4．2．2 基于重復(fù)模式識別的網(wǎng)頁信息自動抽取
　　4．2．3 基于自然標注的網(wǎng)頁信息抽取
　4．3 智能預(yù)測技術(shù)的應(yīng)用和實現(xiàn)
　　4．3．1 決策樹算法模型設(shè)計
　　4．3．2 決策樹算法應(yīng)用于網(wǎng)站注冊用戶的預(yù)測
第5章智能技術(shù)在社交網(wǎng)站信息過濾中的應(yīng)用實例分析
　5．1 交互性網(wǎng)站面臨垃圾信息干擾的背景
　5．2 貝葉斯分類器思想及其訓練模型設(shè)計
　　5．2．1 貝葉斯公式
　　5．2．2 貝葉斯分類器的思想
　　5．2．3 相關(guān)研究述評
　　5．2．4 基于貝葉斯分類器的訓練模型設(shè)計
　5．3 社交網(wǎng)站中對垃圾信息的自動過濾
　5．4 實驗結(jié)果分析
　5．5 結(jié)語
第6章網(wǎng)站導(dǎo)航優(yōu)化及其試運行效果展示
　6．1 數(shù)據(jù)準備
　6．2 網(wǎng)站組織優(yōu)化試運行效果
　6．3 結(jié)論
后記
參考文獻