| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 课题的国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文的研究内容与组织结构 | 第13-16页 |
| 1.3.1 本论文研究内容 | 第13-14页 |
| 1.3.2 本论文组织结构 | 第14-16页 |
| 第2章 基于Hadoop的数据处理技术选择 | 第16-24页 |
| 2.1 海量日志数据处理技术的思考 | 第16-17页 |
| 2.2 Hadoop平台及其相关技术选择 | 第17-23页 |
| 2.2.1 HDFS分布式文件系统 | 第17-18页 |
| 2.2.2 Hadoop分布式计算平台 | 第18-20页 |
| 2.2.3 Spark内存计算平台 | 第20-21页 |
| 2.2.4 Hive数据仓库 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 网络日志数据采集处理及辅助库的构建 | 第24-31页 |
| 3.1 日志数据来源及格式说明 | 第24-26页 |
| 3.2 日志数据预处理 | 第26-27页 |
| 3.2.1 数据清洗 | 第26-27页 |
| 3.2.2 数据变换 | 第27页 |
| 3.2.3 数据集成 | 第27页 |
| 3.3 外部辅助资源库的构建 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 网络用户上网行为的分析与挖掘 | 第31-49页 |
| 4.1 IP用户上网行为特征分析 | 第31-33页 |
| 4.2 IP用户上网行为分析方法 | 第33-40页 |
| 4.2.1 地域分布分析 | 第33-35页 |
| 4.2.2 活跃时间分析 | 第35-36页 |
| 4.2.3 访问内容分析 | 第36-39页 |
| 4.2.4 异常流量分析 | 第39-40页 |
| 4.3 基于LDA模型的用户访问主题发现 | 第40-44页 |
| 4.3.1 基于LDA模型的用户访问内容的模型构建 | 第40-42页 |
| 4.3.2 实验结果分析 | 第42-44页 |
| 4.4 基于访问内容的IP用户聚类 | 第44-48页 |
| 4.4.1 聚类算法基本思想 | 第44-45页 |
| 4.4.2 算法实现与分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 网络用户上网动机的分析与挖掘 | 第49-61页 |
| 5.1 IP用户上网行为动机分析 | 第49-50页 |
| 5.2 IP用户上网行为动机模型 | 第50-56页 |
| 5.2.1 IP用户上网内容关键词的提取 | 第50-53页 |
| 5.2.2 LIBSVM和LIBLINEAR分类算法分析 | 第53-56页 |
| 5.3 基于LLA分类算法的上网动机分析模型 | 第56-60页 |
| 5.3.1 LLA分类算法的基本思想 | 第56-58页 |
| 5.3.2 LLA分类模型的构建与实现 | 第58-59页 |
| 5.3.3 实验比较 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 网络用户上网行为动机分析系统的设计与实现 | 第61-71页 |
| 6.1 系统总体框架的设计 | 第61-62页 |
| 6.2 系统各功能模块设计与实现 | 第62-71页 |
| 6.2.1 日志数据准备工作模块 | 第63-66页 |
| 6.2.2 IP用户上网行为分析模块 | 第66-69页 |
| 6.2.3 IP用户上网行为动机模块 | 第69-71页 |
| 第7章 总结与展望 | 第71-73页 |
| 7.1 本文工作总结 | 第71-72页 |
| 7.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 在学期间发表的学术论文及研究成果 | 第76-77页 |
| 致谢 | 第77页 |