| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·本文工作 | 第10-11页 |
| ·本文结构安排 | 第11-12页 |
| 第2章 用户行为挖掘与分布式运算背景知识 | 第12-29页 |
| ·数据挖掘以及 Web 挖掘基础知识 | 第12-16页 |
| ·数据挖掘 | 第12-14页 |
| ·Web 挖掘 | 第14-16页 |
| ·本文涉及的数据挖掘算法 | 第16-19页 |
| ·聚类分析概述 | 第16页 |
| ·聚类分析中的距离与相似度度量 | 第16-18页 |
| ·聚类结果评价 | 第18-19页 |
| ·互联网中的用户行为 | 第19-23页 |
| ·社会化标记系统中的用户行为 | 第19-21页 |
| ·搜索引擎中的用户行为 | 第21-23页 |
| ·MapReduce 相关技术介绍 | 第23-27页 |
| ·背景 | 第24页 |
| ·编程模式 | 第24-25页 |
| ·实现框架 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 社会化标记系统中的用户标签聚类算法 | 第29-42页 |
| ·概述 | 第29页 |
| ·基于标签共现的聚类算法 | 第29-30页 |
| ·基于对象特征向量表示法的标签聚类算法 | 第30-33页 |
| ·标签的向量表示 | 第30-32页 |
| ·标签的相似度计算 | 第32页 |
| ·标签聚类 | 第32-33页 |
| ·实验结果及分析 | 第33-39页 |
| ·数据集 | 第33-34页 |
| ·衡量标准 | 第34-35页 |
| ·k 值的确定 | 第35-36页 |
| ·实验结果 | 第36-39页 |
| ·算法在实际系统中的应用 | 第39-41页 |
| ·Liser 系统简介 | 第39-40页 |
| ·算法在Liser 系统中的应用 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 搜索引擎中的海量用户查询词聚类算法 | 第42-59页 |
| ·概述 | 第42页 |
| ·用户查询词建模 | 第42-45页 |
| ·搜索引擎日志数据格式 | 第42-43页 |
| ·user-query-URL 三部图模型 | 第43-44页 |
| ·查询词的特征向量表示及相似度计算 | 第44-45页 |
| ·聚类算法的MapReduce 化 | 第45-49页 |
| ·K-Means 算法 | 第45页 |
| ·基于MapReduce 的并行K-Means 算法 | 第45-49页 |
| ·算法的可扩展性研究 | 第49-53页 |
| ·计算复杂度的削减 | 第49-50页 |
| ·类中心向量表的压缩 | 第50-53页 |
| ·实验结果及分析 | 第53-58页 |
| ·数据集及实验环境 | 第53页 |
| ·实验评价标准 | 第53页 |
| ·聚类实验迭代收敛的确定 | 第53-54页 |
| ·实验参数的确定 | 第54-55页 |
| ·实验分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| ·全文总结 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 在读期间发表的学术论文与取得的研究成果 | 第66页 |