| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第9-14页 |
| 1.1 研究背景及课题意义 | 第9-10页 |
| 1.2 课题来源 | 第10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 本文研究内容 | 第11-12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第2章 需求分析与相关知识 | 第14-30页 |
| 2.1 需求分析 | 第14-18页 |
| 2.1.1 推送模式分析 | 第14页 |
| 2.1.2 推送数据分析 | 第14-18页 |
| 2.2 电信推送系统数据库服务器 | 第18-19页 |
| 2.3 数据挖掘相关知识 | 第19-23页 |
| 2.3.1 数据挖掘的定义 | 第19页 |
| 2.3.2 数据挖掘的过程 | 第19-21页 |
| 2.3.3 数据挖掘的方法 | 第21-22页 |
| 2.3.4 数据仓库 | 第22页 |
| 2.3.5 多维数据模型 | 第22-23页 |
| 2.4 关联规则理论 | 第23-29页 |
| 2.4.1 关联规则基本概念 | 第23-24页 |
| 2.4.2 经典 Apriori 算法 | 第24-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 改进的 Apriori 算法 | 第30-40页 |
| 3.1 概况 | 第30-31页 |
| 3.2 基于多维项目压缩的 Apriori 改进算法 | 第31-39页 |
| 3.2.1 算法思想 | 第31-33页 |
| 3.2.2 算法伪代码 | 第33-35页 |
| 3.2.3 算法实例 | 第35-36页 |
| 3.2.4 测试与分析 | 第36-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 基于 Hadoop 的 Apriori 改进算法并行化 | 第40-55页 |
| 4.1 Hadoop 分布式架构 | 第40-42页 |
| 4.1.1 Hadoop 概述 | 第40-41页 |
| 4.1.2 Hadoop 特性 | 第41-42页 |
| 4.2 MapReduce 分布式计算模型 | 第42-46页 |
| 4.2.1 MapReduce 概述 | 第42-44页 |
| 4.2.2 MapReduce 工作流程 | 第44-45页 |
| 4.2.3 MapReduce 中的关键技术 | 第45-46页 |
| 4.3 HDFS 分布式文件系统 | 第46-47页 |
| 4.3.1 HDFS 系统架构概述 | 第46-47页 |
| 4.3.2 HDFS 的关键技术 | 第47页 |
| 4.4 并行 Apriori 改进算法（MR_AprioriDpc）设计 | 第47-53页 |
| 4.4.1 实现思路 | 第47-50页 |
| 4.4.2 算法伪代码 | 第50-52页 |
| 4.4.3 测试与分析 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 MR_AprioriDpc 算法的应用与实现 | 第55-70页 |
| 5.1 功能需求 | 第55-56页 |
| 5.2 系统架构 | 第56-59页 |
| 5.2.1 系统体系结构 | 第56-57页 |
| 5.2.2 系统功能模块 | 第57-58页 |
| 5.2.3 系统主界面 | 第58-59页 |
| 5.3 定制推送模块设计与实现 | 第59-69页 |
| 5.3.1 关联规则挖掘模型 | 第59-60页 |
| 5.3.2 数据仓库构建 | 第60-62页 |
| 5.3.3 关联规则挖掘功能设计与实现 | 第62-64页 |
| 5.3.4 推送任务定制功能设计与实现 | 第64-68页 |
| 5.3.5 定制推送统计功能设计与实现 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-71页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-73页 |
