分布式关联规则挖掘方法及应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文的结构 | 第15-16页 |
| 第2章 面向关联规则算法的分布式计算框架研究 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 系统总体架构 | 第16-17页 |
| 2.3 关联规则算法介绍及选择 | 第17-19页 |
| 2.3.1 Apriori算法 | 第17-18页 |
| 2.3.2 FP-Growth算法 | 第18-19页 |
| 2.4 分布式计算框架的介绍及选择 | 第19-24页 |
| 2.4.1 分布式计算框架Hadoop | 第20-22页 |
| 2.4.2 基于内存的计算框架Spark | 第22-23页 |
| 2.4.3 Hadoop和Spark对比研究 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于组负载均衡的GBPFP算法 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 单机FP-GROWTH算法的局限 | 第25-26页 |
| 3.3 基于组负载均衡的分布式关联规则算法 | 第26-34页 |
| 3.3.1 基于组负载均衡的GBPFP算法 | 第26-27页 |
| 3.3.2 并行计数过程 | 第27-28页 |
| 3.3.3 并行组划分负载均衡过程 | 第28-30页 |
| 3.3.4 并行挖掘频繁项集过程 | 第30-33页 |
| 3.3.5 并行频繁项集去重过程 | 第33-34页 |
| 3.4 用于推荐系统的频繁闭项集及极大频繁项集 | 第34-35页 |
| 3.5 对比实验 | 第35-41页 |
| 3.5.1 组负载均衡数据分配的实验 | 第35-37页 |
| 3.5.2 频繁闭项集及极大频繁项集生成 | 第37-38页 |
| 3.5.3 基于Spark框架下的实验 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于分布式关联规则的贴吧个性化推荐系统 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 贴吧个性化推荐系统结构设计 | 第42-43页 |
| 4.3 数据处理系统的设计与实现 | 第43-48页 |
| 4.3.1 数据源说明 | 第44-45页 |
| 4.3.2 数据处理系统结构 | 第45-46页 |
| 4.3.3 数据处理系统设计及实现流程 | 第46-48页 |
| 4.4 贴吧个性化推荐系统 | 第48-49页 |
| 4.5 基于生成频繁项集的推荐方案的改进 | 第49-51页 |
| 4.5.1 频繁项集及贴吧的聚类 | 第49页 |
| 4.5.2 关联规则过滤 | 第49-51页 |
| 4.6 基于百度贴吧个人用户的个性化推荐应用 | 第51-53页 |
| 4.6.1 频繁项集测试实验 | 第51-52页 |
| 4.6.2 推荐方案形成 | 第52-53页 |
| 4.7 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61页 |
