| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据挖掘研究现状 | 第11-13页 |
| 1.2.2 云计算技术现状 | 第13-14页 |
| 1.3 论文研究目标及内容 | 第14页 |
| 1.4 论文内容的结构 | 第14-16页 |
| 第二章 相关知识概述 | 第16-29页 |
| 2.1 大数据挖掘概述 | 第16-18页 |
| 2.1.1 数据挖掘定义和流程 | 第16-17页 |
| 2.1.2 分布式计算技术 | 第17-18页 |
| 2.2 hadoop简介 | 第18-22页 |
| 2.2.1 分布式文件系统HDFS | 第19-20页 |
| 2.2.2 MapReduce编程模型 | 第20-22页 |
| 2.3 Spark简介 | 第22-24页 |
| 2.3.1 可弹性伸缩分布式数据集RDD | 第22-23页 |
| 2.3.2 Spark编程接 | 第23-24页 |
| 2.4 协同过滤算法 | 第24-27页 |
| 2.4.1 基于全局的协同过滤算法 | 第25-26页 |
| 2.4.2 基于模型的协同过滤算法 | 第26-27页 |
| 2.5 关联规则算法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 协同过滤算法的并行化改进 | 第29-48页 |
| 3.1 协同过滤算法的流程 | 第29-32页 |
| 3.1.1 评分矩阵 | 第30页 |
| 3.1.2 相似度计算方法 | 第30-31页 |
| 3.1.3 推荐预测 | 第31-32页 |
| 3.2 现有的并行协同过滤算法 | 第32-34页 |
| 3.2.1 算法并行化思想 | 第32-34页 |
| 3.2.2 算法存在的问题 | 第34页 |
| 3.3 改进的并行协同过滤算法ACF | 第34-38页 |
| 3.4 改进的ACF算法在Spark上的实现 | 第38-42页 |
| 3.4.1 生成用户评分向量 | 第39-40页 |
| 3.4.2 获取邻居用户 | 第40-41页 |
| 3.4.3 形成推荐 | 第41-42页 |
| 3.5 实验及结果 | 第42-47页 |
| 3.5.1 数据来源 | 第42-43页 |
| 3.5.2 运行时间 | 第43-44页 |
| 3.5.3 加速比 | 第44-45页 |
| 3.5.4 推荐精度对比 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 关联规则算法的并行化改进 | 第48-66页 |
| 4.1 FP_Growth算法思想 | 第48-52页 |
| 4.1.1 算法定义 | 第48-49页 |
| 4.1.2 算法流程 | 第49-52页 |
| 4.1.3 算法缺陷 | 第52页 |
| 4.2 现有的并行FP_Growth算法 | 第52-55页 |
| 4.2.1 算法并行化思想 | 第52-55页 |
| 4.2.2 算法存在的问题 | 第55页 |
| 4.3 基于二分策略分组的负载均衡改进 | 第55-59页 |
| 4.4 改进的APFP_Growth算法在Spark上的实现 | 第59-63页 |
| 4.4.1 数据分片 | 第59页 |
| 4.4.2 并行计数 | 第59-60页 |
| 4.4.3 FList二分策略分组 | 第60-61页 |
| 4.4.4 并行FP_Growth频繁项挖掘 | 第61-63页 |
| 4.5 实验及结果 | 第63-65页 |
| 4.5.1 数据来源 | 第63页 |
| 4.5.2 运行时间 | 第63-64页 |
| 4.5.3 加速比 | 第64-65页 |
| 4.5.4 运行效率对比 | 第65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 大数据挖掘核心分析平台的设计与实现 | 第66-83页 |
| 5.1 平台简介 | 第66页 |
| 5.1.1 平台目标 | 第66页 |
| 5.1.2 开发环境 | 第66页 |
| 5.2 平台架构设计 | 第66-68页 |
| 5.3 功能模块设计与实现 | 第68-75页 |
| 5.3.1 数据整合服务 | 第68-70页 |
| 5.3.2 资源管理服务 | 第70-72页 |
| 5.3.3 数据分析服务 | 第72-73页 |
| 5.3.4 数据展示服务 | 第73-75页 |
| 5.4 平台展示 | 第75-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 总结 | 第83-84页 |
| 6.2 展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 攻硕期间取得的成果 | 第89-90页 |