摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-15页 |
1.1 课题背景及研究意义 | 第8-9页 |
1.2 国内外研究现状综述 | 第9-14页 |
1.2.1 大数据技术发展现状 | 第9-11页 |
1.2.2 数据仓库技术发展现状 | 第11-12页 |
1.2.3 用户标签系统发展现状 | 第12-13页 |
1.2.4 推荐系统发展现状 | 第13-14页 |
1.3 本文的主要研究内容 | 第14页 |
1.4 本文组织结构安排 | 第14-15页 |
第2章 手机应用推荐系统的关键技术 | 第15-25页 |
2.1 Hadoop框架介绍 | 第15-18页 |
2.1.1 HDFS的系统架构 | 第15-17页 |
2.1.2 HDFS的优点 | 第17页 |
2.1.3 MapReduce的介绍 | 第17-18页 |
2.2 Spark计算框架 | 第18-20页 |
2.2.1 Spark简述 | 第18页 |
2.2.2 Spark生态圈 | 第18-19页 |
2.2.3 Spark与Hadoop MapReduce相比较 | 第19-20页 |
2.3 Hive数据仓库 | 第20-21页 |
2.4 HBase数据库 | 第21-22页 |
2.4.1 HBase基本架构 | 第21-22页 |
2.4.2 HBase的特点 | 第22页 |
2.5 用户标签系统简述 | 第22-23页 |
2.6 推荐系统简述 | 第23-24页 |
2.6.1 协同过滤算法 | 第23-24页 |
2.7 本章小结 | 第24-25页 |
第3章 手机应用推荐系统的需求分析与整体设计 | 第25-35页 |
3.1 系统总体需求 | 第25-26页 |
3.2 系统功能需求 | 第26-28页 |
3.2.1 系统功能 | 第26页 |
3.2.2 系统模块功能 | 第26-28页 |
3.3 系统的非功能性需求 | 第28-29页 |
3.4 系统模块整体架构设计 | 第29-30页 |
3.5 系统逻辑结构设计 | 第30-32页 |
3.6 系统功能模块设计 | 第32-33页 |
3.7 本章小结 | 第33-35页 |
第4章 手机应用推荐系统的详细设计与实现 | 第35-62页 |
4.1 爬虫程序模块的设计与实现 | 第35-37页 |
4.2 数据仓库模块的设计实现 | 第37-48页 |
4.2.1 原始日志信息数据描述 | 第37-38页 |
4.2.2 数据仓库表设计 | 第38-40页 |
4.2.3 数据清洗功能的设计实现 | 第40-43页 |
4.2.4 IP解析功能的实现 | 第43-46页 |
4.2.5 数据转化功能的实现 | 第46-48页 |
4.3 用户标签模块的实现 | 第48-57页 |
4.3.1 维度分析功能的实现 | 第49-55页 |
4.3.3 可视化统计功能的实现 | 第55-57页 |
4.4 推荐系统模块的实现 | 第57-61页 |
4.4.1 最近邻居计算功能的实现 | 第57-60页 |
4.4.2 安装可能性计算功能的实现 | 第60-61页 |
4.5 本章小结 | 第61-62页 |
第5章 手机应用推荐系统的部署与测试 | 第62-68页 |
5.1 环境的配置与部署 | 第62-63页 |
5.1.1 硬件部署 | 第62页 |
5.1.2 软件部署 | 第62-63页 |
5.2 系统功能性测试 | 第63-66页 |
5.2.1 单元测试 | 第63-64页 |
5.2.2 集成测试 | 第64页 |
5.2.3 模块测试 | 第64-65页 |
5.2.4 系统测试 | 第65-66页 |
5.3 系统非功能性测试 | 第66-67页 |
5.3.1 上传速度测试 | 第66-67页 |
5.3.2 计算速度测试 | 第67页 |
5.4 本章小结 | 第67-68页 |
结论 | 第68-70页 |
参考文献 | 第70-74页 |
致谢 | 第74-75页 |
个人简历 | 第75页 |