一、网上用户行为捕获与可视化技术（论文文献综述）
李雪阳[1]（2020）在《基于用户画像的科研网络社区用户推荐研究》文中研究指明科研网络社区中非正式学术交流通过对正式学术交流的补充,使得科研学者可以获得更全面的科研学术交流途径,且进行有效合作。但是,科研网络社区存在着信息不对称和信息超载现象。如何让科研学者获得有效信息并进行高效率的学术交流,就需要对科研学者进行个性化推荐。为此,本文通过用户画像的方法提取科研网络社区中用户的特征来分析用户的不同需求,从而进行个性化推荐。本文对用户画像方法和推荐技术进行了总结,采用用户画像的方法分析用户的特征从而对科研网络社区的用户进行合作推荐。首先,基于AHP-熵权法对用户影响力进行评估提取出高影响力用户,接着从用户的自然属性、行为属性和兴趣爱好属性三个维度对高影响力用户及对应的评论者数据进行关键词的提取,根据用户的不同特性构建用户的个性化标签来描绘个人画像。其次,构建了基于用户画像的科研网络社区两种推荐模型:基于用户画像的精准合作推荐和基于用户画像的潜在合作推荐。在基于用户画像的精准合作推荐中,从用户的主动需求出发,根据用户评论内容的专业相关度、评论内容的情感兴趣度和评论的长度发现用户的兴趣,把评论者的评论内容进行量化,其中对于评论内容的专业相关度计算采用TF-IDF算法构建评论内容的专业关键词词典进行匹配,最后采用CombMNZ数据整合方法得到最终结果进行精准合作用户推荐;在基于用户画像的潜在合作推荐中,本文从用户的静态特征和动态特征出发,根据用户画像的自然属性、行为属性和兴趣爱好属性中用户的专业领域、发表的博文和评论的共同好友来探索用户潜在需求的偏好,采用LDA主题模型计算用户的行为相似度,采用协同过滤的算法计算用户的兴趣爱好相似度,然后应用线性加权的方法整合以上数据,从而进行潜在合作用户推荐。最后,本文以科学网为例,对用户进行用户画像的构建,提取用户的特征分析用户的学术需求,根据用户的不同学术兴趣或合作需求,进行用户的合作推荐。为了评估实验结果的有效性,本文把基于用户画像的精准合作推荐和基于用户画像的潜在合作推荐结果进行对比分析,发现推荐结果符合用户的需求,可以帮助用户发现自己的真实合作需求及潜在合作需求,缓解信息过载的情况,在一定程度上也可以缓解用户冷启动问题。
王宇鑫[2]（2018）在《校园网安全体系模型的构建与入侵检测系统的研究》文中进行了进一步梳理随着全球信息化技术的不断发展,计算机网络已经遍布到各级高校,并成为高校师生工作、学习不可缺少的因素而受到普遍欢迎。但是,伴随着网络的快速发展,网络的安全性问题也日益突出,给校园网的安全系统建设提出了更高的要求。所以,只有建立起安全、有效的校园网安全体系,才能构保证各项工作的顺利进行。校园网对安全性的要求有它自身的特殊性,除了传统意义上的信息安全,即不良信息的过滤以外,还应该提高对病毒、恶意攻击及物理设备的安全防范。入侵检测技术目前已经成为网络安全技术的研究热点问题,它的应用前景十分广阔,它的应用改变了过去的网络安全被动防御的局面,而转向主动检测防护的方向。目前各种网络入侵攻击方式层出不穷,过去使用的以防火墙技术为主的安全防护模式,已很难适应现代高校网络安全的要求,并且防火墙技术对网络内部攻击难以发现。在这钟情况下,使用入侵检测技术来解决网络入侵和攻击行为已经成为必然的趋势。可以说入侵检测技术是对防火墙技术的一个有效的补充和扩展,它能够增强系统管理员的网络安全管理能力。当前市场上的入侵检测系统比较多,Snort是一种较好的、轻量级的入侵检测系统。本文分析了当前校园网所面临的安全威胁,以及校园网安全的相关影响因素,同时对确保网络安全的关键技术进行了分析和研究;阐述了常用的校园网设计原则及相关的网络安全协议,构建了一种适用于校园网防护的安全体系模型;详细论述了入侵检测系统的功能、构成、分类及常用的入侵检测技术;阐述了数据挖掘的基本流程和数据挖掘的方法,并以Snort入侵检测系统作为基础,分析了Snort系统在应用中存在的不足;并利用数据挖掘技术对Snort入侵检测系统进行了改进,提高了snort入侵检测系统的性能。
廖攀[3]（2017）在《基于大数据的建筑策划理论与方法研究》文中研究指明随着信息时代下互联网、云计算、物联网的进一步发展,各行业的数据总量都在以前所未有的速度增长着。传统的数据统计与分析方法已无法应对以“PB”为单位的结构与非结构数据信息,因而催生了大数据技术。建筑业作为物质的营建过程,在其策划、设计、施工以及运营阶段的全生命周期之中同样在不断的产生各种类型的相关数据,如勘测数据、设计数据、施工数据以及运营数据等。然而,建筑数据的海量多元特征并没有对当前建筑行业的资源配置进行重新整合,而对网络数据信息的不够重视已让策划、设计乃至施工阶段逐显疲态。如何整合这些大数据,存储分析并挖掘出知识以促进建筑业的转型发展,尤其是策划阶段是否能够做出合理正确的决策,是建筑行业亟需思考的问题。以此为出发点,本研究从大数据的角度出发,将大数据的思维与技术应用于建筑策划领域,通过大数据的数据获取、分析、反馈与评价技术促进建筑策划的革新与发展。研究从三个方面展开。首先是基于大数据的基本理论构建。阐述了大数据下的建筑策划涵义与核心,明晰了其基本特征:策划数据全面化、策划主体多元化、策划分析智能化以及策划过程动态化,并界定了大数据下的建筑策划局限性。论述了应遵循的基本原则:数据可视化原则、交叉验证原则、系统扁平化原则以及计算机辅助决策与实态调查相结合原则。最后阐述了在商谈策划阶段、调查研究阶段、具体策划阶段以及策划表达阶段四个阶段基础上的策划程序以及方法革新。其次论述了基于大数据的建筑策划数据采集准备过程。与建筑项目相关的数据来源包括网络数据、设施数据与本地数据三种类型。得到建筑数据来源之后,在建筑层面上以功能、形式以及经济三方面采集相对应的大数据,形成了功能类建筑策划大数据、形式类建筑策划大数据以及经济类建筑策划大数据。在数据存储系统的构建上,采取跨学科的研究方法对其进行了初步探讨。结合大数据应用最为广泛的分布式系统基础架构Hadoop与建筑信息模型BIM构建了建筑策划大数据存储系统。最后是基于大数据的建筑策划数据应用方法。在获得相应的建筑策划大数据之后,分析主要基于三个方面展开,即:用户需求语义分析,时空数据关联匹配以及动态数据实时监控。以此为基础,论文分析了基于建筑案例网的建筑材料决策以及基于住宅房价网的建筑经济决策两个案例。在初步得到关联分析结果之后,建筑师在交叉验证的原则下进一步结合实态调查数据,最后做出合理正确的决策。建筑策划本质上是要解决建筑设计的实践,使得项目在设计阶段有据可依。本研究在构建的基于大数据的建筑策划基本理论上,利用大数据的获取与存储、分析与预测技术来完善建筑策划的调查研究以及具体策划阶段,形成了基于大数据的建筑策划方法体系,并能有效的指导建筑策划的场地策划、外部形象策划、空间策划、技术策划以及经济策划等多个方面。同时,在信息时代的背景下,对于推动建筑策划的计算机智能化决策具有重要意义。
王思文[4]（2017）在《基于交互意图建模的信息发掘技术研究》文中进行了进一步梳理如今,Web信息检索技术已经是人们搜索信息的一个重要方式,随着信息量的不断增大,今天的我们已经不得不花费大量的时间对检索到的信息进行进一步的筛选。搜索引擎已成为最流行的信息检索工具。这个工具涉及到信息检索技术、数据库技术、数据挖掘技术、人工智能技术、分布式处理技术、自然语言处理等多个领域的理论,具有非常大的综合性。但是,当今大部分的搜索引擎所提供给我们的服务还不能令人完全的满意,特别是当用户的搜索意图在不断变化的时候。本文所说的用户搜索意图,是指用户通过搜索希望获取到的信息,可以将它们量化为用户希望的检索结果集。交互意图建模与可视化用户界面的结合可以通过搜索意图提供的反馈引导用户进行探索性搜索,帮助用户发现新的信息并且显着提高他们的信息探索能力。因此,交互意图下的搜索引擎成为当前的一个重要研究课题。本文主要研究工作如下:（1）基于Web的交互式意图搜索模型研究。采用Web检索模型以及搜索意图模型两大框架体系实现信息搜索,在雷达图上可视化地为用户呈现出系统所检索到的结果集。系统将所估测的意图可视化地呈现在雷达图上,在雷达图中,角度距离对应于搜索意图的相似性,距离中心的径向距离对应于搜索意图的相关性。这种在线学习方法能够通过逐次观察来更新模型,这样在收到反馈时可以立即做出后续的预测。本文使用一种混合的方式系统地评估交互意图建模的优势,将交互意图建模两种界面（雷达图界面和意图列表界面）与传统的信息搜索系统进行对比,结果表明,交互意图建模极大地提高了用户的工作效率以及对信息检索的质量。（2）改进了传统的Web文本聚类算法,实现了多主题的Web文本聚类算法。主要通过主题提取、特征抽取、文本聚类三个步骤实现对多主题Web文本的聚类,相对于传统的Web文本聚类算法,该方法充分考虑了 Web文本的主题信息。实验结果表明,对多主题Web文本聚类,该方法的准确率比基于K-Means的文本聚类方法要好。
郑宇[5]（2015）在《城市计算概述》文中指出城市计算是计算机科学中以城市为背景,与城市规划、交通、能源、环境、社会学和经济等学科融合的新兴领域。城市计算通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战。本文介绍了城市计算的定义、框架和主要研究问题,概述了城市计算的典型应用和所需要的技术。
蔡蓓[6]（2012）在《基于用户体验的微波炉的可用性研究》文中研究指明微波炉以高效、节能的特点受到城市居民而喜爱。随着微波炉的功能不断地增加，不仅增加了产品的成本，还提高了使用难度。而伴随着微波炉的普及，其可用性问题也逐渐凸显：用户使用的频率逐渐下降、操作流程过于机械化、操作界面复杂化、信息指向不明、UI界面设计难以理解、产品使用效果没有达到用户预期等。可用性测试可以让用户对产品的要求和隐性的需求明朗化，这样可以根据用户体现出来的可用性问题，有针对性的对产品进行迭代设计。如何以用户体验研究为基础，将用户的需求转化为产品功能的需求是本论文研究过程中的特点。将互联网中的可用性测试研究方法，合理地运用到以触摸操控的家电产品的可用性研究中是本论文研究的核心。本文研究结果能够对未来家电产品在操作界面可用性的发展趋势上做出合理的预测。有助于设计师在产品的迭代设计阶段，有目的设计及改善家电产品的操作界面设计的可用性。这样设计出来的产品不仅满足了用户的实际需求，更提高产品的市场竞争力。
陈毅波[7]（2012）在《基于关联数据和用户本体的个性化知识服务关键技术研究》文中认为如今在信息系统上的技术创新同样体现了教育技术的现状。信息时代的网络促进了文化传播和知识共享,电子学习的研究和实践发展迅猛,相对于面对面的传统学习方式,对终身学习而言,电子学习实际上是实景教学的一种替代方式。但同时也面临着“学习迷航”、“认知过载”、“情感缺失”、“场景单一”等难题。究其原因一是现有知识服务系统不能有效理解和标注网络资源所含的语义信息,异构的学习资源未组织成可管理的知识；二是没有为不同基础背景和学习需求的用户提供个性化知识服务。个性化知识服务是指采用语义网、数据挖掘、信息检索、个性化推荐等技术,研究网上用户的学习行为,挖掘其知识背景、兴趣、情感、社会关系等信息；用户在网上浏览、搜索、提问和自主学习时,通过逻辑推理和语义扩展明确其学习需求,对关联课程数据进行语义检索,准确查找相关资源,以适当的可视化方法展现,为学习者提供导航、推荐、问答和定制等个性化知识服务。个性化知识服务须要建立一个高效、高内聚、低耦合的知识服务体系架构,以实现模块间领域信息和用户信息的高度共享与互通。目前针对个性化知识服务的研究主要有两大主流,一是面向服务的LMS（Learning Management System）；二是个人学习环境架构（PLE,Personal Learning Environment）.但是不管基于哪种方法,将各功能模块以WEB服务单元形式,通过互联网进行互联,构建学习环境的方法明确的把服务的功能进行分隔,并单独成为一个服务系统,这种做法容易割裂服务之间的内部联系,出现重复开发,致使开发效率降低,也使服务失去了整体性,更无法实现模块间领域信息和用户信息的高度共享与互通（包括领域信息和用户信息）,因为机器无法理解信息中所隐含的语义,从而使得个性化和自适应无法有效进行。个性化知识服务还须要建立准确反映用户个性和行为特征的用户模型。目前对用户建模的影响因子分析不够全面准确,存在状态空间复杂度高、变化预测不准等问题。因此,准确及时分析用户行为和社交关系,建立动态用户模型是提高个性化服务质量的关键之一。研究基于用户行为特征和知识本体的用户建模,构建用户本体；在用户本体和知识本体之上构建相应的逻辑规则进行语义推理,动态完善用户本体和明确化用户学习需求。个性化服务目的在于迅速准确地为每个用户提供合适的知识,并高效全面地完成学习,提高学习效率和学习效果。海量网络学习资源的语义组织和个性化知识服务是一个关键科学问题,采用语义网技术求解网络资源共享和个性化知识服务是一项有理论意义和应用前景的新探索,对促进语义网架构下的电子学习系统研究具有重要的现实意义和实用价值。基于语义数据和用户本体的个性化知识服务对促进网络学习资源进入语义级的组织和共享、知识服务进入个性化推荐和语义搜索；对推动从个人到社区及以上各层次的全社会网络学习、加速学习型社会的构建有深刻的社会意义。本文从服务架构、用户模型、语义搜索引擎、个性化推荐引擎、个性化问答和个性化定制在内的语义个性化知识服务关键技术展开研究。（1）以资源和用户的语义信息为纽带,提出了一种基于语义网技术的高效、高内聚、低偶合的个性化知识服务系统架构；（2）针对目前用户建模方法对影响用户学习行为的影响因子分析不够全面准确,存在状态空间复杂度高、变化预测不准等问题,研究基于用户行为特征和知识本体的用户建模方法,构建用户本体；在用户本体和知识本体之上建立进行语义推理的逻辑规则动态完善用户本体和明确化用户学习需求,准确及时分析用户行为和社交关系,建立动态用户模型提高个性化服务质量。（3）针对服务个性化的需要,深入研究了推荐引擎的系统架构,对影响个性化知识服务中影响推荐准确度的推荐算法进行深入研究。针对推荐过程中面临的数据稀疏问题,研究利用关联检索技术缓解数据稀疏问题的方法,并在个性化推荐算法研究过程中,研究如何引入标签及用户社交关系,改进用户／产品的相似度计算方法,从而改进推荐准确度。（4）根据个性化学习服务中搜索服务的需要,研究了语义搜索引擎的架构、流程和具体的检索策略,针对用户不同的检索需求,提出了语义标注文档检索、实例检索和关联检索的自适应检索策略,设计了相应的语义索引构建方法、语义识别及扩展方法和个性化排序算法。（5）针对e-Learning的特定环境,提出了三层问答架构,通过依次从问答库、关联数据和学习资源中匹配答案,为用户推荐个性化的帮助者来提供“多样的解答方式”。根据领域本体层次结构,构建语义导航树,通过导航中内容的选择来确定用户学习目标,通过语义推理找出完成该学习目标需要包含的学习内容,并生成相应的学习路径及学习计划,以课程的形式提供给用户,实现了学习环境的多样化。最后,本文通过大量实验证明了本文算法研究的有效性；原型系统的开发及实验证明了所提架构的有效性；两方面的实验结果表明本文所做的深入研究和提出的实现方案具有创新性,并且是可行和有效的。
王妍[8]（2011）在《基于Web使用挖掘的浏览兴趣预测及个性化推荐策略研究》文中认为随着计算机的广泛普及和互联网技术的飞速发展,越来越多的消费者开始关注并选择了网上购物这一新兴但却方便快捷的购物方式,享受了足不出户就能买到自己心仪产品的购物体验。但迅速膨胀起来的网上购物大军也给电子商务网站带来了考验,这种考验一方面来自消费者对其产品质量、交易信用等硬件条件的要求,另一方面则来自这些电子商务网站生存和进一步发展所依托的技术发展。正是在这样的背景下,基于Web挖掘的个性化推荐系统的设计和实现逐渐成为了学者们研究的热点问题,它不但可以帮助电子商务平台对消费者的个性化需求做出快速的反应,还可以通过恰当准确的推荐减少用户的消费成本而增加消费者的满意度。目前,很多学者都把研究的重点放在了个性化推荐系统中的关键技术——用户浏览行为的预测上,对如何提高预测的精度和响应的时间做出了许多有益的分析和研究,精确的预测不仅能完成网页的预取、提高网站的性能,更能对用户进行兴趣页面的推荐、为其提供个性化的服务。其中Markov模型因为其较高的预测精度得到了广泛的应用,但如何解决一阶Markov链和多阶Markov链之间运算速度与预测精度间的矛盾问题仍然需要进一步的探讨。因此,本文主要围绕基于Web使用挖掘的浏览行为预测模型的设计而展开,并在国内外研究成果的基础上提出了基于动态聚类的混合Markov模型。首先引入用户浏览兴趣作为聚类的参量,综合考虑用户浏览行为和页面特征对用户浏览兴趣的影响,并根据因子分析的结果构建了用户浏览兴趣的Logistic预测模型。然后在用户动态聚类分析的基础上为不同类别的用户建立相应的Markov转移矩阵,并通过Matlab7.0平台对模型的有效性进行了验证。
陈韬[9]（2011）在《基于InfoVis的网站导航方法的研究与应用》文中研究说明随着互联网的快速发展,网站结构愈来愈复杂,使得用户在浏览网站时易出现迷失方向和认知超负荷等问题,网站导航是解决此类问题的有效途径之一。网站导航通常向网站用户展现网站拓扑结构等信息以达到导航的目的,而信息可视化（InfoVis: Information Visualization）是人类分析图、表等抽象数据的有效手段,因此基于InfoVis研究网站导航技术具有重要意义。本文结合中科院聚变数据库的建设需要,研究基于InfoVis的网站导航方法,主要内容包括:（1）提出并实现了网站导航的三层架构:在广泛调研基于InfoVis网站导航的相关研究的基础上,结合聚变数据的特点,提出包含“网站服务器、可视化服务器和客户端”的网站导航架构。一方面该架构对客户端要求低,利于系统维护和升级;另外该架构和具体网站的耦合度低,利于向其他网站移植。（2）实现了网站结构信息和功能信息的提取:本文基于网站的结构信息和功能信息实现网站导航,因此提取相关信息是本文工作的基础。本文首先基于网站的链接结构分析提取网站的结构信息;然后通过使用算法分析网站日志数据获取网站功能信息。（3）实现基于Radial-View树布局算法的网站结构信息和功能信息展现技术:本文以radial-view树布局算法为基础,研究网站结构信息和功能信息的展示技术,并在此基础上实现网站导航操作。（4）将本文的导航技术应用于聚变数据库,并分析了聚变数据库网站的可视化结果在辅助用户导航网站、定位信息等方面的效果。
于沛[10]（2011）在《基于情景信息的数字图书馆服务研究》文中进行了进一步梳理在当今互联网日益普及的情况下,数字图书馆中的信息资源也越来越丰富。但是许多用户并不能从数字图书馆的海量资源中获取自己感兴趣的信息,因此用户需要数字图书馆提供个性化的信息服务。数字图书馆提供个性化的信息服务就要对用户的个人喜好、专业背景、所处时间状态等信息进行分析,从而对特定的用户进行有针对性的个性服务,以提高数字图书馆文献资源的利用率和服务质量。本文通过对本体库、情景、情景模型的研究,构架了数字图书馆个性化服务情景模型,通过对情景模型的构建,描述了数字图书馆个性化服务的流程,研究了本体库的构建方法,并以天津商业大学图书馆的图书馆门禁系统数据、电子阅览室数据、学生信息数据进行数据处理为例,探讨了用户情景信息的获取方式,并将用户的情景信息建立起情景信息仓库,使用数据挖掘中的FP-growth对其进行数据挖掘分析,得出用户在不同的情景下对图书馆服务的个性化需求。文章最后通过对天津商业大学图书的情景信息仓库的分析,得出了图书馆对用户个性化需求的文献保障力度和图书馆对自身文献资源的宣传等方面存在的不足。
二、网上用户行为捕获与可视化技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网上用户行为捕获与可视化技术（论文提纲范文）
（1）基于用户画像的科研网络社区用户推荐研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状分析 |
| 1.3 研究方法与创新点 |
| 1.3.1 研究方法 |
| 1.3.2 创新点 |
| 1.4 论文结构 |
| 1.5 技术路线 |
| 2 用户画像构建及推荐技术相关理论研究 |
| 2.1 用户画像相关理论 |
| 2.1.1 用户画像构建过程 |
| 2.1.2 用户画像标签设计 |
| 2.1.3 用户画像的应用 |
| 2.2 个性化推荐技术相关理论 |
| 2.3 基于主题的用户推荐模型 |
| 2.3.1 潜在语义分析模型 |
| 2.3.2 概率潜在语义分析模型 |
| 2.3.3 潜在狄利克雷分配模型 |
| 2.4 本章小结 |
| 3 科研网络社区中用户推荐模型的构建 |
| 3.1 科研网络中的用户画像构建 |
| 3.1.1 用户画像的构建流程 |
| 3.1.2 用户画像数据维度的确定 |
| 3.1.3 数据采集 |
| 3.1.4 数据预处理 |
| 3.2 用户影响力的建模 |
| 3.2.1 影响力指标的确定 |
| 3.2.2 熵权法 |
| 3.2.3 层次分析法 |
| 3.2.4 基于AHP-熵权法的用户影响力建模 |
| 3.3 基于用户画像的精准合作推荐模型 |
| 3.3.1 基于用户社会兴趣相似度的计算 |
| 3.3.2 用户的精准合作推荐 |
| 3.4 基于用户画像的潜在合作推荐模型 |
| 3.4.1 基于用户自然属性相似度的计算 |
| 3.4.2 基于用户行为偏好相似度的计算 |
| 3.4.3 基于用户共同兴趣好友相似度的计算 |
| 3.4.4 用户的潜在合作推荐 |
| 3.5 本章小结 |
| 4 科研网络社区中用户推荐实验分析 |
| 4.1 数据收集与处理 |
| 4.1.1 数据收集 |
| 4.1.2 高影响力用户的确定 |
| 4.2 基于用户画像的精准合作推荐 |
| 4.3 基于用户画像的潜在合作推荐 |
| 4.4 用户画像推荐的结果分析 |
| 4.5 本章小结 |
| 5 研究总结与展望 |
| 5.1 研究总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 附录 Ⅰ攻读硕士学位期间发表(录用)的论文 |
| 附录 Ⅱ攻读硕士学位期间参与的科研项目 |
| 致谢 |
（2）校园网安全体系模型的构建与入侵检测系统的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 论文研究的背景和意义 |
| 1.2 校园网面临的主要问题 |
| 1.3 校园网安全管理国内研究现状 |
| 1.4 研究的主要内容 |
| 第二章 网络安全相关技术 |
| 2.1 网络安全常见的威胁 |
| 2.2 校园网安全的影响要素 |
| 2.3 防火墙 |
| 2.4 入侵检测系统 |
| 2.5 虚拟专用网 |
| 2.6 访问控制技术 |
| 第三章 校园网安全体系模型的构建 |
| 3.1 校园网络设计的原则 |
| 3.2 校园网安全体系结构设计 |
| 3.3 校园网络相关的安全协议 |
| 3.4 校园网安全体系模型的设计 |
| 第四章 入侵检测系统基本理论 |
| 4.1 入侵检测系统的功能 |
| 4.2 入侵检测系统的组成 |
| 4.3 入侵检测系统的分类 |
| 4.4 入侵检测技术 |
| 第五章 数据挖掘技术在入侵检测系统中的应用 |
| 5.1 数据挖掘基本流程 |
| 5.2 数据挖掘方法 |
| 5.3 神经网络在数据挖掘中的应用 |
| 5.4 数据挖掘在Snort中的应用 |
| 5.5 模拟实验及实验结果分析 |
| 第六章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（3）基于大数据的建筑策划理论与方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 课题的提出 |
| 1.1.2 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 相关概念 |
| 1.3.1 互联网＋ |
| 1.3.2 建筑策划 |
| 1.3.3 大数据 |
| 1.4 研究方法及研究内容 |
| 1.4.1 研究方法 |
| 1.4.2 研究内容 |
| 第2章 基于大数据的建筑策划基本理论 |
| 2.1 大数据下的建筑策划涵义与核心 |
| 2.1.1 大数据下的建筑策划涵义 |
| 2.1.2 大数据下的建筑策划核心 |
| 2.1.3 大数据下的建筑策划局限性 |
| 2.2 大数据下的建筑策划基本特征 |
| 2.2.1 策划数据全面化 |
| 2.2.2 策划主体多元化 |
| 2.2.3 策划分析智能化 |
| 2.2.4 策划过程动态化 |
| 2.3 大数据下的建筑策划原则 |
| 2.3.1 数据可视化原则 |
| 2.3.2 交叉验证原则 |
| 2.3.3 系统扁平化原则 |
| 2.3.4 计算机辅助决策与实态调查相结合原则 |
| 2.4 大数据下的建筑策划程序与方法 |
| 2.4.1 大数据下的建筑策划程序改善 |
| 2.4.2 大数据下的建筑策划方法革新 |
| 2.5 本章小结 |
| 第3章 基于大数据的建筑策划数据采集准备 |
| 3.1 项目数据获取来源 |
| 3.1.1 网络数据 |
| 3.1.2 设施数据 |
| 3.1.3 本地数据 |
| 3.2 建筑项目数据采集 |
| 3.2.1 功能类建筑策划大数据 |
| 3.2.2 形式类建筑策划大数据 |
| 3.2.3 经济类建筑策划大数据 |
| 3.3 建筑策划大数据存储系统 |
| 3.3.1 Hadoop生态系统基本框架 |
| 3.3.2 建筑信息模型（BIM） |
| 3.3.3 建筑策划大数据存储系统构建 |
| 3.4 本章小结 |
| 第4章 基于大数据的建筑策划数据应用方法 |
| 4.1 用户需求语义分析 |
| 4.1.1 基于Web文本的用户需求挖掘 |
| 4.1.2 基于喜好数据的用户情感计算 |
| 4.2 时空数据关联匹配 |
| 4.2.1 网络需求与用户空间关联分析 |
| 4.2.2 场地环境与用户行为关联分析 |
| 4.2.3 建筑空间与用户行为关联分析 |
| 4.3 动态数据实时监控 |
| 4.3.1 动态反馈的技术策划 |
| 4.3.2 实时监测的经济策划 |
| 4.4 基于大数据的建筑策划决策案例 |
| 4.4.1 基于建筑案例网的建筑材料决策 |
| 4.4.2 基于住宅房价网的建筑经济决策 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 附录1 网页文本数据爬取代码 |
| 附录2 scrapy爬虫框架简要步骤 |
| 附录3 scrapy获取建筑案例的网址源spider代码 |
| 附录4 火车采集器采集网页数据简要步骤 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（4）基于交互意图建模的信息发掘技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外发展状况 |
| 1.3 论文的主要工作及组织结构 |
| 第二章 相关概念与技术 |
| 2.1 搜索引擎 |
| 2.1.1 背景介绍 |
| 2.1.2 搜索引擎概念介绍 |
| 2.1.3 搜索引擎的基本原理 |
| 2.1.4 搜索引擎的基本分类 |
| 2.1.5 传统搜索引擎的缺点和不足 |
| 2.2 数据挖掘 |
| 2.2.1 数据挖掘的概念与意义 |
| 2.2.2 数据挖掘技术的研究现状 |
| 2.2.3 数据挖掘的研究内容 |
| 2.2.4 数据挖掘的技术 |
| 2.2.5 数据挖掘的流程 |
| 2.3 交互式意图建模技术 |
| 2.3.1 基于分层的知识用户模型 |
| 2.3.2 资源模型 |
| 第三章 基于Web的分类模型 |
| 3.1 Web挖掘技术 |
| 3.2 Web挖掘技术的研究现状 |
| 3.3 Web挖掘的分类 |
| 3.4 Web文本挖掘 |
| 3.4.1 Web文本挖掘的定义 |
| 3.4.2 Web文本挖掘的主要内容 |
| 3.5 Web检索模型 |
| 3.5.1 基于《搜狗》的主题提取 |
| 3.5.2 抽取特征词集 |
| 3.5.3 文本聚类 |
| 第四章 交互意图建模 |
| 4.1 模型综述 |
| 4.1.1 搜索意图和方向的交互可视化 |
| 4.1.2 平衡探索与利用 |
| 4.1.3 从效用到任务表现 |
| 4.1.4 用户界面 |
| 4.1.5 互动和反馈 |
| 4.2 检索单位 |
| 4.2.1 基于信息检索的检索单位 |
| 4.2.2 中文高频词串 |
| 4.2.3 中文高频串抽取 |
| 4.2.4 模型检索单位 |
| 4.3 对文档的意图建模 |
| 4.3.1 外圈关键词的表示 |
| 4.3.2 外圈关键词的布局 |
| 4.3.3 外圈的关键词 |
| 4.3.4 内圈关键词的布局 |
| 4.4 基于意图建模实验设计 |
| 4.5 实验步骤 |
| 4.6 实验数据 |
| 4.7 实验评估 |
| 4.7.1 显示信息的评估 |
| 4.7.2 对任务绩效的评估 |
| 4.8 实验结论 |
| 第五章 总结 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 致谢 |
（5）城市计算概述（论文提纲范文）
| 1 城市计算的概念和框架 |
| 1.1 城市计算的定义 |
| 1.2 城市计算的框架 |
| 1.3 城市计算的核心问题 |
| 1.4 城市计算的应用分类 |
| 2 城市计算的典型应用 |
| 2.1 城市规划 |
| 2.2 智能交通 |
| 2.3 环 境 |
| 2.3.1 城市空气 |
| 2.3.2 城市噪音 |
| 2.4 能源消耗相关应用 |
| 2.5 社交和娱乐 |
| 2.6 经 济 |
| 2.7 城市安全和应急响应 |
| 3 城市计算的主要技术 |
| 3.1 传感器技术 |
| 3.2 数据管理技术 |
| 3.3 数据挖掘技术 |
| 3.3.1 从异构数据中学习到相互增强的知识 |
| 3.3.2 应对数据的稀疏性 |
| 3.4 优化技术 |
| 3.5 混合数据的可视化技术 |
| 4 结 语 |
（6）基于用户体验的微波炉的可用性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状和意义 |
| 1.2.1 可用性研究在网站设计中的应用 |
| 1.2.2 可用性研究在产品开发中的应用 |
| 1.2.3 家电产品用户界面可用性相关研究现状 |
| 1.2.4 研究意义 |
| 1.2.5 小结 |
| 1.3 研究内容和目的、方法 |
| 1.3.1 研究内容和目的 |
| 1.3.2 研究方法 |
| 1.4 论文研究的框架 |
| 1.5 创新点 |
| 1.6 小结 |
| 第2章 理论及方法基础 |
| 2.1 可用性和用户体验 |
| 2.1.1 可用性和用户体验的含义 |
| 2.1.2 可用性评价标准 |
| 2.1.3 用户体验的要素 |
| 2.1.4 可用性和用户体验的关系 |
| 2.2 基于用户体验的可用性研究方法 |
| 2.3 用户体验要素的应用 |
| 2.4 家电产品的用户体验要素 |
| 2.5 家电产品的可用性与用户体验的关系 |
| 2.6 家电用户界面的可用性研究 |
| 2.6.1 用户界面的概念 |
| 2.6.2 用户的信息处理过程 |
| 2.6.3 用户界面的可用性研究 |
| 2.6.4 用户界面的可用性设计的原则 |
| 2.7 现代的家电产品的交互界面设计及特征 |
| 2.8 触摸操作界面在现代家电用户界面上的应用 |
| 2.9 小结 |
| 第3章 市场微波炉用户可用性基础研究 |
| 3.1 微波炉操作界面的发展 |
| 3.2 微波炉的用户界面分类 |
| 3.3 触摸类操控的微波炉的基本特征 |
| 3.3.1 基本功能 |
| 3.3.2 用户交互界面 |
| 3.3.3 触摸操作技术 |
| 3.4 市场上微波炉产品的用户体验调查 |
| 3.4.1 用户体验调查 |
| 3.4.2 问卷设计 |
| 3.4.3 问卷分析结果 |
| 3.5 小结 |
| 第4章 基于用户体验的微波炉产品可用性研究 |
| 4.1 微波炉的可用性 |
| 4.2 基于用户体验的微波炉的可用性评价因素提取 |
| 4.4 微波炉可用性测试实验 |
| 4.4.1 实验对象 |
| 4.4.2 实验目的 |
| 4.4.3 实验样本提取 |
| 4.4.4 测试实验的方法 |
| 4.4.5 实验 1 的安排及流程 |
| 4.5 微波炉可用性测试实验采访问卷设计 |
| 4.6 微波炉可用性测试实验任务对应的测试因素 |
| 4.7 实验的可用性测试结果统计及分析 |
| 4.7.1 可用性问题的分类 |
| 4.7.2 可用性问题的描述及提取、分析 |
| 4.7.3 新的可用性问题度量分析 |
| 4.8 小结 |
| 第5章 可用性问题评价与微波炉的迭代设计 |
| 5.1 可用性评价与产品设计的联系 |
| 5.2 迭代设计的目标用户及产品定位 |
| 5.2.1 目标用户 |
| 5.2.2 功能需求定位 |
| 5.3 产品功能信息分类 |
| 5.4 图标迭代设计 |
| 5.5 产品信息架构 |
| 5.6 用户匹配模型建立 |
| 5.6.1 用户模型的比较 |
| 5.6.2 用户匹配模型方案 |
| 5.7 交互设计 |
| 5.8 操作界面设计 |
| 5.9 行为界面设计 |
| 5.10 迭代设计可用性测试 2 |
| 5.10.1 测试目的 |
| 5.10.2 测试的方法 |
| 5.10.3 实验 2 的安排及流程 |
| 5.11 基于可用性问题的产品迭代设计的具体步骤和流程 |
| 5.12 小结 |
| 第6章 微波炉的可用性评估结果 |
| 6.1 可用性对比分析 |
| 6.2 原产品及迭代设计的对比分析 |
| 6.3 可用性研究在设计中的体现 |
| 6.4 评价设计 1 及设计 2 的优劣 |
| 6.5 可用性研究方法的应用 |
| 6.6 小结 |
| 第7章 结论与展望 |
| 7.1 全文总结 |
| 7.1.1 总结 |
| 7.1.2 研究不足 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录 1：微波炉消费者市场调研——103 人（1） |
| 附录 2：微波炉消费者市场调研——35 人（2） |
| 附录 3：测试采访问卷 |
| PART 1：个人基本信息 |
| PART 2：使用前体验 |
| PART 3：使用任务 |
| PART 4：使用后体验 |
| PART 5：总体可用性评价 |
| 附录 4：结果统计及录音记录结果统计 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（7）基于关联数据和用户本体的个性化知识服务关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 知识服务 |
| 1.2.2 关联数据 |
| 1.2.3 用户模型 |
| 1.3 本文的研究内容 |
| 1.4 本文的组织结构 |
| 第2章 相关基础研究进展 |
| 2.1 语义网 |
| 2.1.1 语义网概述及特点 |
| 2.1.2 语义网的体系结构 |
| 2.1.3 语义网的基础 |
| 2.2 关联数据 |
| 2.2.1 关联数据的概念和特性 |
| 2.2.2 关联数据的组织 |
| 2.2.3 关联数据的应用 |
| 2.3 知识本体 |
| 2.3.1 知识本体的概念 |
| 2.3.2 知识本体的描述语言 |
| 2.3.3 知识本体的建模元语 |
| 2.3.4 知识本体构建方法 |
| 2.3.5 知识本体构建工具 |
| 2.3.6 知识本体的应用 |
| 2.4 本章小结 |
| 第3章 个性化知识服务总体架构 |
| 3.1 个性化服务 |
| 3.1.1 个性化服务概述 |
| 3.1.2 个性化服务的特征 |
| 3.1.3 个性化服务技术 |
| 3.2 学习资源到领域知识本体的演进 |
| 3.2.1 关联数据的演进 |
| 3.2.2 知识本体的表示 |
| 3.3 个性化知识服务总体框架 |
| 3.3.1 个性化知识服务层次结构 |
| 3.3.2 个性化流程 |
| 3.3.3 个性化知识服务的主要功能简介 |
| 3.4 本章小结 |
| 第4章 用户模型和用户本体研究 |
| 4.1 用户模型学习方法 |
| 4.2 用户本体元数据模型 |
| 4.3 用户知识背景学习方法及算法 |
| 4.4 用户社会关系学习方法及算法 |
| 4.5 用户情感倾向判断 |
| 4.5.1 情感倾向分析的主要方法 |
| 4.5.2 情感分析的具体步骤 |
| 4.6 用户兴趣识别 |
| 4.7 用户本体的更新 |
| 4.7.1 更新策略 |
| 4.7.2 更新方法 |
| 4.8 本章小结 |
| 第5章 个性化推荐引擎研究 |
| 5.1 个性化推荐技术 |
| 5.1.1 个性化推荐相关研究 |
| 5.1.2 主要推荐方法及研究现状 |
| 5.1.3 个性化推荐技术的主要商业应用 |
| 5.2 个性化推荐引擎架构 |
| 5.3 推荐算法研究 |
| 5.3.1 利用关联检索技术缓解数据稀疏问题 |
| 5.3.2 基于同义标签分组的协同推荐 |
| 5.3.3 基于用户本体和社会信息的推荐 |
| 5.4 本章小结 |
| 第6章 个性化语义搜索引擎研究 |
| 6.1 相关研究 |
| 6.2 个性化语义搜索引擎架构 |
| 6.3 语义搜索流程 |
| 6.4 语义检索策略 |
| 6.4.1 语义标注文档和实例检索策略 |
| 6.4.2 语义关系检索 |
| 6.5 本章小结 |
| 第7章 基于关联课程数据的个性化知识服务系统 |
| 7.1 个性化知识服务的特征和方法 |
| 7.2 个性化知识服务系统功能结构 |
| 7.3 个性化搜索服务 |
| 7.3.1 个性化搜索服务系统流程 |
| 7.3.2 功能展示 |
| 7.4 知识导航服务 |
| 7.4.1 个性化导航服务工作流 |
| 7.4.2 功能展示 |
| 7.5 个性化定制服务 |
| 7.5.1 个性化定制服务流程 |
| 7.5.2 学习路径生成方法及算法 |
| 7.5.3 案例库的保存、更新与合并 |
| 7.5.4 功能展示 |
| 7.6 个性化问答服务 |
| 7.6.1 个性化问答服务工作流 |
| 7.6.2 帮助者推荐 |
| 7.6.3 答案库的更新 |
| 7.6.4 功能展示 |
| 7.7 本章小结 |
| 第8章 总结与展望 |
| 8.1 研究工作总结 |
| 8.2 本文的主要创新 |
| 8.3 对未来工作的展望 |
| 参考文献 |
| 发表文章 |
| 参与项目 |
| 致谢 |
（8）基于Web使用挖掘的浏览兴趣预测及个性化推荐策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外的研究现状及分析 |
| 1.2.1 电子商务推荐系统的研究现状 |
| 1.2.2 基于Web 挖掘的浏览预测模型的研究现状 |
| 1.2.3 Web 浏览预测的Markov 模型的研究现状 |
| 1.3 主要研究内容和研究方法 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究方法 |
| 第2章 背景理论 |
| 2.1 用户浏览兴趣与浏览行为的相关研究 |
| 2.1.1 用户浏览行为 |
| 2.1.2 用户浏览兴趣的度量 |
| 2.1.3 基于用户浏览行为的浏览兴趣度量 |
| 2.2 基于Web 使用挖掘的用户浏览行为预测 |
| 2.2.1 Web 使用挖掘的相关理论 |
| 2.2.2 Markov 预测模型 |
| 2.3 电子商务个性化推荐研究 |
| 2.4 本章小结 |
| 第3章 基于Logistic 回归的用户浏览兴趣研究 |
| 3.1 用户浏览行为的获取 |
| 3.2 用户浏览兴趣的度量 |
| 3.2.1 用户浏览兴趣的度量指标选取 |
| 3.2.2 浏览兴趣度量指标的因子分析 |
| 3.3 基于Logistic 回归的浏览兴趣预测 |
| 3.3.1 Logistic 回归 |
| 3.3.2 用户浏览兴趣的Logistic 预测模型 |
| 3.3.3 模型的拟合效果分析 |
| 3.4 本章小结 |
| 第4章 基于web 使用挖掘的浏览行为预测 |
| 4.1 数据预处理 |
| 4.1.1 数据采集与清理 |
| 4.1.2 用户识别和会话识别 |
| 4.1.3 生成存储矩阵 |
| 4.2 Markov 预测模型 |
| 4.2.1 Markov 原型 |
| 4.2.2 Markov 模型算法的问题 |
| 4.3 改进Markov 预测模型 |
| 4.3.1 基于用户浏览兴趣的聚类 |
| 4.3.2 聚类基础上的Markov 预测 |
| 4.3.3 基于聚类方法的Markov 预测模型的检验 |
| 4.4 对电子商务个性化推荐策略的建议性分析 |
| 4.4.1 针对不同用户选择推荐策略 |
| 4.4.2 针对不同商品选择推荐策略 |
| 4.4.3 针对不同网站选择推荐策略 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）基于InfoVis的网站导航方法的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 致谢 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 网站导航 |
| 1.2.1 网站导航中的信息 |
| 1.2.2 信息展现方式 |
| 1.3 信息可视化 |
| 1.3.1 信息可视化的发展历程 |
| 1.3.2 信息可视化的研究内容 |
| 1.4 本章小结 |
| 第二章 网站导航系统总体设计 |
| 2.1 系统设计原则 |
| 2.2 系统功能 |
| 2.3 系统架构和工作流程 |
| 2.3.1 系统架构 |
| 2.3.2 总体流程 |
| 2.4 开发环境 |
| 2.5 本章小结 |
| 第三章 网站信息的提取 |
| 3.1 网站结构信息提取 |
| 3.1.1 超链接信息的提取 |
| 3.1.2 结构信息的生成 |
| 3.1.3 基于xml 的结构信息存储与解析 |
| 3.2 网站功能信息提取 |
| 3.2.1 Apriori 算法 |
| 3.2.2 功能信息的提取流程 |
| 3.3 内容信息的提取 |
| 3.4 本章小结 |
| 第四章 网站信息的可视化 |
| 4.1 图布局算法介绍 |
| 4.1.1 图形布局算法分类 |
| 4.1.2 Radial View 布局算法 |
| 4.2 结构信息的可视化 |
| 4.3 结构和功能信息的融合可视化 |
| 4.4 本章小结 |
| 第五章 应用实例 |
| 第六章 结论与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 硕士期间发表论文 |
| 硕士研究生在读期间参加的科研工作 |
（10）基于情景信息的数字图书馆服务研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 文献综述 |
| 1.2.1 数字图书馆 |
| 1.2.2 情景 |
| 1.2.3 情景信息 |
| 1.2.4 国外研究现状 |
| 1.2.5 国内研究现状 |
| 1.3 研究意义与目的 |
| 1.4 研究内容与思路 |
| 1.4.1 研究思路 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法 |
| 1.5 论文的创新点 |
| 第二章 相关理论与技术 |
| 2.1 情景模型 |
| 2.1.1 本体 |
| 2.1.2 本体库 |
| 2.1.3 情景模型构建 |
| 2.2 UNICORN CONSORTIA系统 |
| 2.2.1 系统简介 |
| 2.2.2 报表统计功能 |
| 2.3 数据挖掘技术 |
| 2.3.1 关联规则 |
| 2.3.2 FP-growth算法 |
| 第三章 数字图书馆情景信息的获取 |
| 3.1 情景数据的获取 |
| 3.2 数据预处理 |
| 3.2.1 门禁数据处理 |
| 3.2.2 学生信息数据处理 |
| 3.2.3 借阅信息数据处理 |
| 第四章 数字图书馆情景模型的构建 |
| 4.1 建立情景信息本体库 |
| 4.2 设计FP-GROWTH算法程序 |
| 4.3 情景模型的构架 |
| 第五章 情景信息在数字图书馆服务中的应用 |
| 5.1 馆藏文献统计情况 |
| 5.2 基于用户信息的需求分析 |
| 5.3 基于时间的用户需求分析 |
| 5.4 基于还书数据进行分析 |
| 5.5 基于用户情景的分析 |
| 5.5.1 性别-专业-借阅图书类别信息的情景分析 |
| 5.5.2 专业-阅览室地址的情景分析 |
| 第六章 结论 |
| 6.1 本文研究成果 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 主要研究成果 |
| 参与项目 |
四、网上用户行为捕获与可视化技术（论文参考文献）
- [1]基于用户画像的科研网络社区用户推荐研究[D]. 李雪阳. 武汉纺织大学, 2020(01)
- [2]校园网安全体系模型的构建与入侵检测系统的研究[D]. 王宇鑫. 天津工业大学, 2018(12)
- [3]基于大数据的建筑策划理论与方法研究[D]. 廖攀. 哈尔滨工业大学, 2017(02)
- [4]基于交互意图建模的信息发掘技术研究[D]. 王思文. 沈阳建筑大学, 2017(08)
- [5]城市计算概述[J]. 郑宇. 武汉大学学报(信息科学版), 2015(01)
- [6]基于用户体验的微波炉的可用性研究[D]. 蔡蓓. 北京服装学院, 2012(05)
- [7]基于关联数据和用户本体的个性化知识服务关键技术研究[D]. 陈毅波. 武汉大学, 2012(06)
- [8]基于Web使用挖掘的浏览兴趣预测及个性化推荐策略研究[D]. 王妍. 哈尔滨工业大学, 2011(05)
- [9]基于InfoVis的网站导航方法的研究与应用[D]. 陈韬. 合肥工业大学, 2011(09)
- [10]基于情景信息的数字图书馆服务研究[D]. 于沛. 天津师范大学, 2011(11)