| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 Web日志挖掘国内外研究现状 | 第14-16页 |
| 1.2.2 云计算国内外研究现状 | 第16-17页 |
| 1.3 本文的研究内容及章节安排 | 第17-19页 |
| 第2章 Web日志挖掘基本理论 | 第19-27页 |
| 2.1 WEB日志文件结构 | 第19-20页 |
| 2.2 日志文件的位置 | 第20-21页 |
| 2.2.1 Web服务器日志 | 第20-21页 |
| 2.2.2 Web代理服务器日志 | 第21页 |
| 2.2.3 客户端浏览器日志 | 第21页 |
| 2.3 WEB服务器日志类型 | 第21-23页 |
| 2.3.1 Error日志 | 第22页 |
| 2.3.2 Access日志 | 第22-23页 |
| 2.4 WEB日志的预处理 | 第23-26页 |
| 2.4.1 数据清洗 | 第23-24页 |
| 2.4.2 用户和会话识别 | 第24-25页 |
| 2.4.3 数据转换 | 第25页 |
| 2.4.4 路径补充 | 第25-26页 |
| 2.5 小结 | 第26-27页 |
| 第3章 Hadoop基本框架与MongoDB | 第27-36页 |
| 3.1 MAPREDUCE编程模型 | 第27-28页 |
| 3.2 HADOOP基本框架介绍 | 第28-32页 |
| 3.2.1 Hadoop的来源 | 第28-29页 |
| 3.2.2 Hadoop基本框架 | 第29-30页 |
| 3.2.3 Hadoop的MapReduce框架 | 第30-32页 |
| 3.2.4 Hadoop的性有能 | 第32页 |
| 3.3 MONGODB | 第32-35页 |
| 3.3.1 传统的关系数据库的缺陷 | 第32-33页 |
| 3.3.2 NoSQL数据库 | 第33-34页 |
| 3.3.3 MongoDB | 第34页 |
| 3.3.4 MongoDB的性能 | 第34-35页 |
| 3.4 小结 | 第35-36页 |
| 第4章 基于Hadoop/MongoDB的Web日志挖掘算法 | 第36-45页 |
| 4.1 关联规则 | 第36-38页 |
| 4.2 关联规则的分类 | 第38页 |
| 4.3 关联规则挖掘算法研究 | 第38-41页 |
| 4.3.1 Apriori算法 | 第38-40页 |
| 4.3.2 其它关联规则挖掘算法 | 第40-41页 |
| 4.4 基于HADOOP/MONGODB的WEB日志挖掘算法 | 第41-44页 |
| 4.4.1 算法的提出 | 第41-42页 |
| 4.4.2 算法的基本思想 | 第42-43页 |
| 4.4.3 算法在Hadoop和MongoDB上的实现 | 第43-44页 |
| 4.5 小结 | 第44-45页 |
| 第5章 ApriorHM算法实现 | 第45-53页 |
| 5.1 系统总体设计方案 | 第45-46页 |
| 5.2 算法输入数据的收集 | 第46页 |
| 5.3 WEB日志的预处理 | 第46-50页 |
| 5.4 挖掘算法的实现 | 第50-52页 |
| 5.5 小结 | 第52-53页 |
| 第6章 AprioriHM算法的验证 | 第53-60页 |
| 6.1 实验环境 | 第53-55页 |
| 6.1.1 Hadoop集群的搭建和配置 | 第53-55页 |
| 6.1.2 MongoDB的配置 | 第55页 |
| 6.2 实验过程 | 第55-56页 |
| 6.2.1 对原始数据小文件的处理 | 第56页 |
| 6.2.2 算法运行过程 | 第56页 |
| 6.3 实验结果分析 | 第56-59页 |
| 6.3.1 AprioriHM算法与Apriori算法的比较 | 第56-58页 |
| 6.3.2 AprioriHM算法可扩充性 | 第58-59页 |
| 6.4 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读学位期间所发表的学术论文列表 | 第67页 |
