| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究内容及意义 | 第11-12页 |
| 1.3 论文结构 | 第12-14页 |
| 第二章 海量移动互联网数据分析概述 | 第14-20页 |
| 2.1 移动互联网数据概述 | 第14页 |
| 2.2 基于大数据框架的数据采集分析系统 | 第14-18页 |
| 2.2.1 话单数据采集及分布式传输 | 第15-16页 |
| 2.2.2 基于HDFS的话单数据存储 | 第16-17页 |
| 2.2.3 基于Spark和Hive的话单数据处理 | 第17-18页 |
| 2.3 大数据分析方法 | 第18-20页 |
| 第三章 用户移动性分析 | 第20-32页 |
| 3.1 移动轨迹提取 | 第20-21页 |
| 3.2 用户移动特征分析 | 第21-23页 |
| 3.3 用户重要位置识别 | 第23-27页 |
| 3.3.1 用户重要位置定义及验证 | 第24-25页 |
| 3.3.2 城市功能区域划分 | 第25-26页 |
| 3.3.3 城市通勤距离分布 | 第26-27页 |
| 3.4 用户移动轨迹相似性 | 第27-32页 |
| 3.4.1 常见用户相似性算法 | 第27-29页 |
| 3.4.2 轨迹相似性算法Tra-Sim-ST | 第29-32页 |
| 第四章 用户位置与浏览行为关联分析 | 第32-50页 |
| 4.1 用户浏览行为数据集获取 | 第32-35页 |
| 4.1.1 美团URL特征 | 第32-33页 |
| 4.1.2 用户浏览店铺ID提取 | 第33页 |
| 4.1.3 美团店铺详情获取 | 第33-35页 |
| 4.2 用户浏览行为统计分析 | 第35-37页 |
| 4.2.1 美团网日访问量分布 | 第35页 |
| 4.2.2 店铺的访问量分布 | 第35-36页 |
| 4.2.3 用户访问店铺数分布 | 第36页 |
| 4.2.4 用户浏览店铺类别分布 | 第36-37页 |
| 4.3 重要位置与店铺位置的相关性 | 第37-43页 |
| 4.3.1 用户浏览区域 | 第37-38页 |
| 4.3.2 店铺辐射区域 | 第38页 |
| 4.3.3 用户间浏览店铺的关联性 | 第38-40页 |
| 4.3.4 用户浏览的地理聚集性 | 第40-43页 |
| 4.4 多层网络分析 | 第43-50页 |
| 4.4.1 多层网络及分析指标 | 第43-46页 |
| 4.4.2 多层网络构建与分析 | 第46-50页 |
| 第五章 用户位置与社交行为关联分析 | 第50-62页 |
| 5.1 朋友推荐方法概述 | 第50-51页 |
| 5.2 社交好友数据集获取 | 第51-52页 |
| 5.3 朋友推荐模型Loc-Url-Soc | 第52-56页 |
| 5.3.1 移动性特征 | 第52-53页 |
| 5.3.2 URL特征 | 第53-55页 |
| 5.3.3 特征定义与分析 | 第55-56页 |
| 5.4 实验与结果分析 | 第56-62页 |
| 5.4.1 实验设定 | 第56-57页 |
| 5.4.2 评估指标 | 第57-58页 |
| 5.4.3 实验结果分析 | 第58-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间取得的研究成果 | 第70页 |