基于Hadoop的在线娱乐平台数据挖掘与分析的研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 相关知识与技术介绍 | 第20-34页 |
| 2.1 Hadoop体系介绍 | 第20-26页 |
| 2.1.1 HDFS介绍 | 第20-22页 |
| 2.1.2 Map Reduce编程模型 | 第22-24页 |
| 2.1.3 Hadoop的其他子项目介绍 | 第24-26页 |
| 2.2 网络爬虫技术 | 第26-29页 |
| 2.2.1 网络爬虫流程介绍 | 第26-27页 |
| 2.2.2 网站结构分析 | 第27-28页 |
| 2.2.3 常见的爬虫策略介绍 | 第28-29页 |
| 2.3 数据挖掘介绍 | 第29-32页 |
| 2.3.1 数据挖掘的定义 | 第29-30页 |
| 2.3.2 数据挖掘流程 | 第30-31页 |
| 2.3.3 数据挖掘的常用方法 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 在线娱乐平台数据获取的设计 | 第34-44页 |
| 3.1 在线娱乐平台介绍 | 第34-36页 |
| 3.2 爬虫获取网络数据 | 第36-41页 |
| 3.2.1 Node.js爬虫使用的技术模块 | 第36-37页 |
| 3.2.2 爬虫架构的设计 | 第37-39页 |
| 3.2.3 爬虫数据的成果展示 | 第39-41页 |
| 3.3 对爬虫数据的预处理 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 Apriori关联挖掘算法的改进 | 第44-52页 |
| 4.1 关联规则挖掘基本概念 | 第44页 |
| 4.2 Apriori算法的介绍 | 第44-46页 |
| 4.2.1 Apriori算法的基本流程 | 第44-45页 |
| 4.2.2 Apriori算法实现原理 | 第45-46页 |
| 4.3 Apriori算法的改进 | 第46-48页 |
| 4.3.1 临时表的介绍 | 第47页 |
| 4.3.2 算法改进的思路 | 第47-48页 |
| 4.4 实验与分析 | 第48-50页 |
| 4.4.1 新旧算法性能的对比分析 | 第48-49页 |
| 4.4.2 实验结论验证 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 在线娱乐平台数据挖掘系统的设计 | 第52-64页 |
| 5.1 Hadoop平台的搭建 | 第52-58页 |
| 5.1.2 搭建Hadoop平台的步骤 | 第53-57页 |
| 5.1.3 启动Hadoop进行验证 | 第57-58页 |
| 5.2 在线娱乐平台主播数据迁移的实现 | 第58-61页 |
| 5.2.1 数据仓库简介 | 第58-59页 |
| 5.2.2 实现数据迁移的工具--sqoop | 第59-60页 |
| 5.2.3 数据迁移的实现 | 第60-61页 |
| 5.3 在线娱乐平台主播数据挖掘的实现 | 第61-63页 |
| 5.3.1 对主播类型与观众互动度的关联挖掘分析 | 第61-62页 |
| 5.3.2 对主播类型与主播粉丝数的关联挖掘分析 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
