| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文的研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 流关联挖掘算法发展历程 | 第10-11页 |
| 1.2.2 实时计算发展历程 | 第11-12页 |
| 1.3 论文主要工作 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-27页 |
| 2.1 平台层 | 第15-18页 |
| 2.1.1 大数据处理平台比较 | 第15-16页 |
| 2.1.2 流计算平台Storm | 第16-18页 |
| 2.2 数据层 | 第18-21页 |
| 2.2.1 缓存技术 | 第18-19页 |
| 2.2.2 中间件技术 | 第19页 |
| 2.2.3 序列化技术 | 第19-21页 |
| 2.3 算法层 | 第21-26页 |
| 2.3.1 流数据挖掘概述 | 第21-23页 |
| 2.3.2 流关联挖掘算法概述 | 第23-26页 |
| 2.3.3 流关联挖掘算法面临的挑战 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 流关联挖掘算法基于Storm的分布式并行化设计与实现 | 第27-54页 |
| 3.1 FP-Stream算法分析 | 第27-31页 |
| 3.1.1 基本术语及定义 | 第27页 |
| 3.1.2 FP-Stream算法基本原理 | 第27-31页 |
| 3.2 流关联挖掘算法的分布式并行化设计 | 第31-37页 |
| 3.2.1 Map-Reduce基本思想 | 第31-34页 |
| 3.2.2 FP-Stream算法分布式并行化思路 | 第34页 |
| 3.2.3 DPFP-Stream算法描述 | 第34-36页 |
| 3.2.4 DPFP-Stream算法在Storm上的实现方案设计 | 第36-37页 |
| 3.3 中间结果面向Redis的序列化算法设计 | 第37-45页 |
| 3.3.1 序列化的必要性和优势 | 第37-38页 |
| 3.3.2 面向Redis的序列化思路 | 第38-39页 |
| 3.3.3 面向Redis的序列化算法描述 | 第39-43页 |
| 3.3.4 面向Redis序列化算法实验与结果分析 | 第43-45页 |
| 3.4 基于Storm的DPFP-Stream算法实现与测试分析 | 第45-53页 |
| 3.4.1 实验数据集和实验环境 | 第45-46页 |
| 3.4.2 实验环境搭建 | 第46-50页 |
| 3.4.3 实验结果与分析 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于Storm的DPFP-Stream算法应用 | 第54-67页 |
| 4.1 需求分析 | 第54-55页 |
| 4.1.1 信息需求 | 第54页 |
| 4.1.2 功能需求 | 第54-55页 |
| 4.1.3 环境需求 | 第55页 |
| 4.2 穿搭购物推荐系统设计 | 第55-57页 |
| 4.2.1 系统架构设计 | 第55-56页 |
| 4.2.2 数据库设计 | 第56-57页 |
| 4.3 系统实现 | 第57-62页 |
| 4.3.1 穿搭购物网站 | 第57-59页 |
| 4.3.2 数据源生成模块 | 第59-60页 |
| 4.3.3 关联规则生成模块 | 第60-61页 |
| 4.3.4 推荐结果生成模块 | 第61-62页 |
| 4.4 系统测试 | 第62-66页 |
| 4.4.1 推荐结果测试 | 第62-65页 |
| 4.4.2 性能测试 | 第65-66页 |
| 4.4.3 压力测试 | 第66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |
