1999.7至今一直在华南师范大学从事有关信息管理、电子商务方面的专职教学工作。主持了广东省哲学社会科学“十二五”规划一般项目《基于网络日志的用户行为分析与网站信息组织优化研究》（GD11CTS02），并参与了2011年度教育部人文社会科学研究青年基金项目《地方电子政务的用户接纳问题及其推进策略研究》（11YJC870003）。授课：《EB技术应用与开发》，2005年-至今；《搜索引擎与网络信息检索》，2003年-至今；《网页设计与制作》，2000年-2009年；《信息检索研究》，2008年-至今；《电子商务网站开发》，2008年至今；《电子商务运营管理》，2011年至今。

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。

第1章 绪论 1
1．1 背景介绍 1
1．1．1 目前网站建设存在的主要问题 1
1．1．2 基于网络日志的用户信息行为研究具有重要价值 2
1．1．3 网站设计与用户体验的最佳组合 4
1．2 国内外相关研究综述 5
1．2．1 基于网络日志的网站信息组织研究 5
1．2．2 基于网络日志的用户信息行为研究 7
1．3 本书内容的理论价值和现实意义 11
1．3．1 学术与理论价值 11
1．3．2 现实意义 12
1．4 本书采用的技术路线和方法 13
1．4．1 技术路线 13
1．4．2 主要方法 15
1．5 本书的主要内容 16
1．6 本书的创新点 17
第2章 网站信息组织优化与网络日志挖掘概述 18
2．1 WEB技术的发展与网络日志挖掘相互促进 18
2．2 网站信息组织优化的基本内容 19
2．2．1 网站信息组织优化使网站更加智能化 19
2．2．2 网站信息组织优化的特点 19
2．2．3 网站信息组织优化的原理与机制 22
2．2．4 网络环境下信息组织优化的效率评价 23
2．2．5 网站信息组织优化系统和原型研究 25
2．2．6 网站信息组织优化的发展趋势 25
2．3 网络日志挖掘简介 26
2．3．1 网络日志数据的来源与类型 26
2．3．2 网络用户行为数据的收集方法 29
2．3．3 日志挖掘的预处理技术 35
第3章 网络用户信息行为分析 38
3．1 用户信息行为的定义 38
3．2 网络用户行为 38
3．2．1 网络用户行为的概念 38
3．2．2 网络用户行为的特征 39
3．2．3 构成网络用户行为的主要因素 41
3．3 网络用户信息行为的类型 42
3．3．1 用户的信息寻求行为 43
3．3．2 用户的信息需求行为 44
3．3．3 用户信息浏览行为 45
3．3．4 用户信息检索行为 45
3．3．5 网络用户的选择和存储行为 47
3．3．6 网络用户的信息吸收和利用行为 48
3．4 关于信息行为模型的研究 49
3．5 用户个性化知识服务需求的影响因素 52
3．5．1 个人因素 52
3．5．2 环境因素 53
3．6 基于用户信息行为的B2C网站用户认知 检索模型 54
3．6．1 认知信息检索的发展及模型 55
3．6．2 用户认知信息检索的应用分析 56
3．6．3 B2C电子商务用户认知信息检索的模型 59
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 61
3．7．1 网络日志的获取及其分析方法 61
3．7．2 数据分析 71
第4章 网站信息组织优化算法的设计与实现 87
4．1 智能推荐引擎的设计与实现 87
4．1．1 相似度计算 88
4．1．2 K均值算法在协作型推荐中的设计和应用 90
4．2 网站信息自动抽取技术的实现与应用 93
4．2．1 网页信息自动抽取的意义 93
4．2．2 基于重复模式识别的网页信息自动抽取 94
4．2．3 基于自然标注的网页信息抽取 101
4．3 智能预测技术的应用和实现 107
4．3．1 决策树算法模型设计 107
4．3．2 决策树算法应用于网站注册用户的预测 112
第5章 智能技术在社交网站信息过滤中的应用实例分析 115
5．1 交互性网站面临垃圾信息干扰的背景 115
5．2 贝叶斯分类器思想及其训练模型设计 116
5．2．1 贝叶斯公式 116
5．2．2 贝叶斯分类器的思想 117
5．2．3 相关研究述评 118
5．2．4 基于贝叶斯分类器的训练模型设计 119
5．3 社交网站中对垃圾信息的自动过滤 123
5．4 实验结果分析 131
5．5 结语 132
第6章 网站导航优化及其试运行效果展示 133
6．1 数据准备 135
6．2 网站组织优化试运行效果 136
6．3 结论 150
后记 152
参考文献 155