| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 工作内容及成果 | 第10-11页 |
| 1.3 论文组织结构 | 第11-13页 |
| 第二章 海量日志数据处理及挖掘算法 | 第13-27页 |
| 2.1 日志数据分析概述 | 第13-17页 |
| 2.1.1 日志数据概述 | 第13-15页 |
| 2.1.2 日志数据预处理分析概述 | 第15-17页 |
| 2.2 关联规则挖掘算法 | 第17-25页 |
| 2.2.1 关联规则的基本概念 | 第17-19页 |
| 2.2.2 Apriori数据挖掘算法 | 第19-21页 |
| 2.2.3 FP-Growth数据挖掘算法 | 第21-24页 |
| 2.2.4 ECLAT数据挖掘算法 | 第24-25页 |
| 2.2.5 三种关联规则挖掘算法对比分析 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 Apriori算法在用户日志数据挖掘之中的应用 | 第27-45页 |
| 3.1 Apriori在视频推荐系统中的应用 | 第27-37页 |
| 3.1.1 推荐系统常用技术概述 | 第27-29页 |
| 3.1.2 推荐系统整体框架图的设计 | 第29-31页 |
| 3.1.3 视频作品关联规则中的Apriori算法 | 第31-34页 |
| 3.1.4 实验设计及结果分析 | 第34-37页 |
| 3.2 Apriori算法的优化策略及仿真分析 | 第37-44页 |
| 3.2.1 Apriori算法分析及性能优化 | 第38-42页 |
| 3.2.2 Apriori改进算法仿真分析 | 第42-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 优化的Apriori算法在MapReduce模型下的扩展 | 第45-59页 |
| 4.1 并行化编程模型介绍 | 第45-48页 |
| 4.1.1 Hadoop架构 | 第45-46页 |
| 4.1.2 MapReduce原理 | 第46-48页 |
| 4.2 MapReduce模型下的Apriori并行化扩展 | 第48-58页 |
| 4.2.1 改进的Apriori算法并行化分析及优化 | 第49-52页 |
| 4.2.2 改进的Apriori算法Hadoop实现 | 第52-54页 |
| 4.2.3 改进的Apriori算法并行化仿真分析 | 第54-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文总结 | 第59-60页 |
| 5.2 下一步研究 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
