大规模网络事件热度预测系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的来源及研究的背景和意义 | 第9-10页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外在该方向的研究现状及分析 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 国内外文献综述简析 | 第12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 相关技术研究 | 第14-21页 |
| 2.1 引言 | 第14页 |
| 2.2 Hbase数据库 | 第14-15页 |
| 2.3 Spark Streaming流式计算 | 第15-16页 |
| 2.4 Java Web框架 | 第16-19页 |
| 2.4.1 Spring | 第17-18页 |
| 2.4.2 Struts2 | 第18-19页 |
| 2.4.3 Hibernate | 第19页 |
| 2.5 网络爬虫 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 网络事件热度预测系统的总体设计 | 第21-27页 |
| 3.1 引言 | 第21-22页 |
| 3.2 系统的整体架构设计 | 第22-23页 |
| 3.3 系统关键执行流程 | 第23-26页 |
| 3.3.1 定时任务执行流程 | 第23-25页 |
| 3.3.2 新增用户执行流程 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 网络爬虫及预测建模的设计与实现 | 第27-41页 |
| 4.1 引言 | 第27页 |
| 4.2 新浪微博爬虫的设计与实现 | 第27-36页 |
| 4.2.1 难点分析 | 第27页 |
| 4.2.2 反爬机制的应对方法设计 | 第27-29页 |
| 4.2.3 分布式部署均衡任务并对URL去重 | 第29-30页 |
| 4.2.4 爬虫抓取新数据 | 第30-31页 |
| 4.2.5 数据存储 | 第31-36页 |
| 4.3 Twitter爬虫的设计与实现 | 第36-37页 |
| 4.3.1 简介 | 第36页 |
| 4.3.2 实时数据获取流程 | 第36-37页 |
| 4.3.3 历史数据获取 | 第37页 |
| 4.4 Spark建模及预测 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 交互网站的设计与实现 | 第41-57页 |
| 5.1 引言 | 第41页 |
| 5.2 需求分析 | 第41-45页 |
| 5.2.1 功能需求描述 | 第41-43页 |
| 5.2.2 功能模块划分 | 第43-44页 |
| 5.2.3 非功能需求 | 第44-45页 |
| 5.3 网站架构图 | 第45页 |
| 5.4 网站工作原理说明 | 第45-46页 |
| 5.5 类的设计 | 第46-47页 |
| 5.6 网站界面展示 | 第47-56页 |
| 5.7 本章小结 | 第56-57页 |
| 第6章 系统测试与性能分析 | 第57-63页 |
| 6.1 引言 | 第57页 |
| 6.2 爬虫测试 | 第57-58页 |
| 6.3 用户特征提取模块测试 | 第58-59页 |
| 6.4 用户影响力模块测试 | 第59-60页 |
| 6.5 文本分类模块测试 | 第60-61页 |
| 6.6 Spark建模及预测模块测试 | 第61-62页 |
| 6.7 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第68-70页 |
| 致谢 | 第70页 |
