| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第12-19页 |
| 1.1 项目背景 | 第12页 |
| 1.2 电商数据分析在国内外工业界的发展与应用概况 | 第12-17页 |
| 1.2.1 基于淘宝的数据魔方 | 第14-16页 |
| 1.2.2 超级数据 | 第16-17页 |
| 1.2.3 DataCaciques(数字酋长) | 第17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第二章 技术综述 | 第19-28页 |
| 2.1 Scrapy | 第19-22页 |
| 2.2 Scrapyd | 第22-23页 |
| 2.3 MongoDB | 第23-25页 |
| 2.4 自然语言处理 | 第25-26页 |
| 2.4.1 Python的NLTK库 | 第25-26页 |
| 2.4.2 朴素贝叶斯分类方法 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 TrenData数据分析平台的分析与设计 | 第28-45页 |
| 3.1 平台运行环境 | 第28页 |
| 3.2 平台总体规划 | 第28-29页 |
| 3.3 平台需求分析 | 第29-31页 |
| 3.4 平台总体设计与模块划分 | 第31-32页 |
| 3.5 数据爬取模块分析与设计 | 第32-43页 |
| 3.5.1 模块需求分析 | 第32-33页 |
| 3.5.2 模块整体设计 | 第33-34页 |
| 3.5.3 Slave主机爬取功能分析与设计 | 第34-41页 |
| 3.5.4 Master主机任务管理功能分析与设计 | 第41-43页 |
| 3.6 数据处理模块分析与设计 | 第43-44页 |
| 3.6.1 模块需求分析 | 第43页 |
| 3.6.2 模块详细设计 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 TrenData数据分析平台数据爬取与处理模块的实现 | 第45-65页 |
| 4.1 数据爬取模块的实现 | 第45-57页 |
| 4.1.1 Amazon电商相关数据爬取 | 第46-56页 |
| 4.1.2 Scrapyd部署 | 第56-57页 |
| 4.2 数据处理模块的实现 | 第57-62页 |
| 4.2.1 数据清洗整理 | 第57-59页 |
| 4.2.2 数据分析 | 第59-62页 |
| 4.3 TrenData数据分析平台展示 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-66页 |
| 5.1 总结 | 第65页 |
| 5.2 进一步工作展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-70页 |
