| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 大数据时代 | 第9页 |
| 1.1.2 分布式系统与Hadoop | 第9-10页 |
| 1.1.3 数据挖掘与企业发展 | 第10-11页 |
| 1.2 工作内容及成果 | 第11页 |
| 1.3 论文的组织结构 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 Hadoop与数据挖掘技术 | 第13-23页 |
| 2.1 Hadoop | 第13-16页 |
| 2.1.1 HDFS | 第13-14页 |
| 2.1.2 MapReduce | 第14-16页 |
| 2.2 数据挖掘 | 第16-20页 |
| 2.2.1 聚类分析 | 第17页 |
| 2.2.2 分类分析 | 第17-18页 |
| 2.2.3 推荐系统 | 第18-20页 |
| 2.3 集群搭建 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 数据挖掘算法的MapReduce实现与用户集群划分 | 第23-49页 |
| 3.1 数据预处理 | 第23-26页 |
| 3.2 聚类分析 | 第26-44页 |
| 3.2.1 Kmeans算法 | 第26-27页 |
| 3.2.2 分布式实现 | 第27-32页 |
| 3.2.3 聚类过程 | 第32-36页 |
| 3.2.4 聚类结果 | 第36-44页 |
| 3.3 分类分析 | 第44-48页 |
| 3.3.1 KNN算法 | 第44-45页 |
| 3.3.2 分布式实现 | 第45-47页 |
| 3.3.3 分类结果及评估 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 推荐系统 | 第49-55页 |
| 4.1 协同过滤 | 第49-52页 |
| 4.2 基于协同过滤思想的推荐系统 | 第52-54页 |
| 4.2.1 推荐算法 | 第52-53页 |
| 4.2.2 系统实现 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 总结及展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 未来展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |