基于Web日志的用户行为大数据分析--Spark网络用户行为分类
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 一、研究背景和意义 | 第9-11页 |
| 二、国内外研究现状 | 第11-12页 |
| 三、本文的研究内容 | 第12-13页 |
| 四、本文的组织结构 | 第13页 |
| 五、本章小结 | 第13-14页 |
| 第二章 相关理论与技术 | 第14-26页 |
| 一、Web日志挖掘基本理论 | 第14-19页 |
| (一)Web日志挖掘的定义 | 第15-16页 |
| (二)Web日志挖掘的过程 | 第16-17页 |
| (三)Web日志挖掘的分类方法 | 第17-19页 |
| 二、Hadoop平台与Spark框架 | 第19-25页 |
| (一)Hadoop平台与分布式文件系统HDFS | 第19-21页 |
| (二)Spark框架 | 第21-23页 |
| (三)Hadoop与Spark的特性分析 | 第23-25页 |
| 三、本章小结 | 第25-26页 |
| 第三章 基于Spark提取网络用户特征属性 | 第26-34页 |
| 一、Web日志预处理 | 第26-29页 |
| (一)数据清理 | 第27-28页 |
| (二)用户识别 | 第28页 |
| (三)会话识别 | 第28-29页 |
| 二、用户特征属性 | 第29-33页 |
| (一)用户访问商品类别属性 | 第29-30页 |
| (二)访问频率 | 第30-31页 |
| (三)停留时间 | 第31-32页 |
| (四)用户地理位置 | 第32-33页 |
| (五)用户历史访问记录 | 第33页 |
| 三、本章小结 | 第33-34页 |
| 第四章 基于特征加权的网络用户行为分析 | 第34-42页 |
| 一、朴素贝叶斯分类 | 第34-36页 |
| 二、基于特征加权的朴素贝叶斯分类器 | 第36-38页 |
| (一)分类准备 | 第37页 |
| (二)分类器训练 | 第37-38页 |
| (三)分类器测试 | 第38页 |
| 三、网络用户行为分类 | 第38-39页 |
| 四、基于Spark的网络用户行为分类器设计 | 第39-41页 |
| (一)分类准备 | 第39-40页 |
| (二)分类训练 | 第40页 |
| (三)分类测试 | 第40-41页 |
| 五、本章小结 | 第41-42页 |
| 第五章 基于Spark的用户行为分析 | 第42-52页 |
| 一、Spark平台搭建 | 第42-45页 |
| 二、用户行为分类 | 第45-48页 |
| 三、实验结果分析 | 第48-51页 |
| 四、本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 一、总结 | 第52-53页 |
| 二、展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 个人简历及在学期间发表的学术论文 | 第57页 |
