| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状分析 | 第9-10页 |
| 1.2.1 动态用户行为预测系统 | 第9-10页 |
| 1.2.2 数据密集型计算 | 第10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 本文组织结构 | 第11-12页 |
| 第2章 基础知识 | 第12-18页 |
| 2.1 贝叶斯网 | 第12-13页 |
| 2.1.1 贝叶斯网的基本概念 | 第12页 |
| 2.1.2 隐结构模型 | 第12-13页 |
| 2.2 海量数据编程模型 | 第13-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 系统需求分析及可行性 | 第18-22页 |
| 3.1 系统需求分析 | 第18-19页 |
| 3.2 系统可行性分析 | 第19-20页 |
| 3.3 本章小结 | 第20-22页 |
| 第4章 系统分析与设计 | 第22-36页 |
| 4.1 整体架构分析 | 第22-23页 |
| 4.2 模块功能设计 | 第23-29页 |
| 4.2.1 海量电影评分数据及贝叶斯网的存储 | 第23-25页 |
| 4.2.2 海量电影评分数据的处理 | 第25-27页 |
| 4.2.3 时间片内用户评分行为计算 | 第27-28页 |
| 4.2.4 动态用户评分行为预测 | 第28-29页 |
| 4.3 模块架构设计 | 第29-32页 |
| 4.4 系统的功能与层次结构 | 第32-34页 |
| 4.4.1 系统的功能结构 | 第32页 |
| 4.4.2 系统的层次结构 | 第32-34页 |
| 4.5 本章小结 | 第34-36页 |
| 第5章 系统实现 | 第36-46页 |
| 5.1 海量电影评分数据及贝叶斯网的存储实现 | 第36-39页 |
| 5.2 海量电影评分数据的处理实现 | 第39-40页 |
| 5.3 时间片内用户评分行为计算实现 | 第40-41页 |
| 5.4 相邻时间片间动态用户评分行为预测实现 | 第41-44页 |
| 5.5 本章小结 | 第44-46页 |
| 第6章 系统测试与分析 | 第46-54页 |
| 6.1 实验数据和实验环境 | 第46页 |
| 6.2 系统效率测试 | 第46-48页 |
| 6.3 系统功能测试 | 第48-52页 |
| 6.3.1 海量电影评分数据及贝叶斯网的存储功能测试 | 第48-49页 |
| 6.3.2 海量电影评分数据的处理功能测试 | 第49-50页 |
| 6.3.3 时间片内用户评分行为计算功能测试 | 第50-51页 |
| 6.3.4 相邻时间片间动态用户评分行为预测功能测试 | 第51-52页 |
| 6.4 测试结果分析 | 第52页 |
| 6.5 本章小结 | 第52-54页 |
| 第7章 总结与展望 | 第54-56页 |
| 7.1 总结 | 第54页 |
| 7.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |