本书采用了众多流行的数据挖掘算法，如利用K-means算法进行信息聚类和网页自动抽取，利用贝叶斯分类器实现信息过滤与分类，将知识组织与网站优化有机地结合起来，使得主题、目录组织的思想融合贯通在智能网站设计当中。全书共分6章，主要介绍了网络日志的数据来源、类型及其预处理技术；用户信息行为，包括网络用户行为的构成因素、分类，信息行为模型；用户行为数据的提取和分析，用户个性化知识服务需求的影响因素；网站优化算法的设计；智能技术在网站开发中的应用；机器学习的实现原理与训练模型，利用贝叶斯分类算法对垃圾信息进行自动过滤。最后，还对网站导航优化效果进行了调试与展示，并给出了实现的核心代码。
本书涉及数据挖掘、计算机编程、知识组织等多门学科的知识，理论性强。全书内容深入浅出，既有较深的理论分析，也有适当的设计案例，具有理论学习和实用开发双重意义。
前言
第1章 绪论
1.1 背景介绍
1.2 国内外相关研究综述
1.3 本书内容的理论价值和现实意义
1.4 本书采用的技术路线和方法
1.5 本书的主要内容
1.6 本书的创新点
第2章 网站信息组织优化与网络日志挖掘概述
2.1 Web技术的发展与网络日志挖掘相互促进
2.2 网站信息组织优化的基本内容
2.3 网络日志挖掘简介
第3章 网络用户信息行为分析
3.1 用户信息行为的定义
3.2 网络用户行为
3.3 网络用户信息行为的类型
3.4 关于信息行为模型的研究
3.5 用户个性化知识服务需求的影响因素
3.6 基于用户信息行为的B2C网站用户认知检索模型
3.7 基于网络日志的用户行为数据的提取和分析——以某学院网站为例
第4章 网站信息组织优化算法的设计与实现
4.1 智能推荐引擎的设计与实现
4.2 网站信息自动抽取技术的实现与应用
4.3 智能预测技术的应用和实现
第5章 智能技术在社交网站信息过滤中的应用实例分析
5.1 交互性网站面临垃圾信息干扰的背景
5.2 贝叶斯分类器思想及其训练模型设计
5.3 社交网站中对垃圾信息的自动过滤
5.4 实验结果分析
5.5 结语
第6章 网站导航优化及其试运行效果展示
6.1 数据准备
6.2 网站组织优化试运行效果
6.3 结论
参考文献
后记
