| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文主要内容 | 第13页 |
| 1.4 论文内容结构 | 第13-15页 |
| 第二章 相关理论及技术原理 | 第15-24页 |
| 2.1 采集技术 | 第15-18页 |
| 2.1.1 网络爬虫 | 第15-17页 |
| 2.1.2 模拟登陆 | 第17-18页 |
| 2.2 Hadoop分布式平台 | 第18-20页 |
| 2.3 Spark架构 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 整体架构设计 | 第24-32页 |
| 3.1 整体架构 | 第24-26页 |
| 3.2 数据存储与检索模块 | 第26-31页 |
| 3.2.1 数据存储 | 第26-29页 |
| 3.2.2 搜索引擎 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 微博数据采集方案 | 第32-41页 |
| 4.1 方案整体架构 | 第32-34页 |
| 4.2 代理池机制 | 第34-35页 |
| 4.3 采集流程的具体实现 | 第35-38页 |
| 4.4 实验设计及结果分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于Spark的文本聚类 | 第41-53页 |
| 5.1 数据预处理 | 第41-45页 |
| 5.1.1 中文分词 | 第42页 |
| 5.1.2 构建文本向量空间模型 | 第42-45页 |
| 5.2 基于Spark的K-means算法优化实现 | 第45-48页 |
| 5.3 实验设计及结果分析 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 瓶颈检测算法 | 第53-59页 |
| 6.1 性能评价指标 | 第53-54页 |
| 6.2 瓶颈检测 | 第54-55页 |
| 6.3 实验设计与结果分析 | 第55-58页 |
| 6.4 本章小结 | 第58-59页 |
| 总结和展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文 | 第65-67页 |
| 致谢 | 第67页 |