海量数据音乐用户行为的模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 聚类算法的研究现状 | 第10-11页 |
| 1.2.2 海量音乐数据挖掘的研究现状 | 第11-12页 |
| 1.3 本文的组织结构 | 第12-14页 |
| 第二章 Hadoop技术架构 | 第14-21页 |
| 2.1 Hadoop 概述 | 第14-16页 |
| 2.2 HDFS分布式文件系统 | 第16-19页 |
| 2.3 MapReduce并行计算模型 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 聚类分析理论及算法介绍 | 第21-31页 |
| 3.1 聚类分析理论概述 | 第22-23页 |
| 3.2 基于划分的聚类算法 | 第23-26页 |
| 3.3 其他常用聚类算法介绍 | 第26-30页 |
| 3.3.1 基于层次的聚类算法 | 第26-27页 |
| 3.3.2 基于密度的聚类算法 | 第27-29页 |
| 3.3.3 基于模型的聚类算法 | 第29-30页 |
| 3.3.4 基于网格的聚类算法 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 音乐用户行为的模型 | 第31-44页 |
| 4.1 音乐用户行为介绍 | 第31-34页 |
| 4.1.1 音乐用户的选取范围 | 第31页 |
| 4.1.2 音乐用户行为的概念及特点 | 第31-32页 |
| 4.1.3 音乐用户行为分析的特征选取 | 第32-34页 |
| 4.2 音乐用户行为的Web日志处理 | 第34-38页 |
| 4.2.1 Web日志内容及格式 | 第34-37页 |
| 4.2.2 Web日志内容预处理 | 第37-38页 |
| 4.3 音乐用户行为的模型 | 第38-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 音乐用户行为的模型聚类分析 | 第44-55页 |
| 5.1 用户模型数据 | 第44-45页 |
| 5.2 聚类算法软件 | 第45-47页 |
| 5.2.1 R语言的介绍 | 第45-46页 |
| 5.2.2 R语言的特点 | 第46-47页 |
| 5.3 海量数据音乐用户行为的聚类分析 | 第47-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58页 |
