基于大数据技术的用户行为分析系统的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题的研究背景与研究意义 | 第8-11页 |
| 1.1.1 课题的研究背景 | 第8-10页 |
| 1.1.2 课题的研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 2 用户行为分析概述 | 第14-19页 |
| 2.1 用户行为分析的意义 | 第14-15页 |
| 2.2 典型行业进行用户行为分析的案例 | 第15-19页 |
| 2.2.1 电商行业的用户行为分析 | 第15-16页 |
| 2.2.2 金融行业的用户行为分析 | 第16-17页 |
| 2.2.3 高校中的用户行为分析 | 第17-19页 |
| 3 相关理论技术研究 | 第19-31页 |
| 3.1 数据挖掘 | 第19-22页 |
| 3.1.1 数据挖掘的概念 | 第19-20页 |
| 3.1.2 数据挖掘的基本任务 | 第20-21页 |
| 3.1.3 数据挖掘的基本流程 | 第21-22页 |
| 3.2 聚类算法 | 第22-26页 |
| 3.2.1 聚类算法的思想 | 第22-23页 |
| 3.2.2 聚类算法的分类 | 第23页 |
| 3.2.3 K-Means算法及其改进 | 第23-26页 |
| 3.3 大数据技术 | 第26-31页 |
| 3.3.1 Hadoop技术 | 第26-29页 |
| 3.3.2 Spark技术 | 第29-31页 |
| 4 校园网用户行为分析系统设计 | 第31-39页 |
| 4.1 校园网用户行为分析背景 | 第31-32页 |
| 4.2 系统总体设计 | 第32-33页 |
| 4.3 系统模块设计 | 第33-39页 |
| 4.3.1 数据源模块 | 第33-34页 |
| 4.3.2 数据预处理模块 | 第34-38页 |
| 4.3.3 数据分析模块 | 第38-39页 |
| 5 校园网用户行为分析系统实现 | 第39-58页 |
| 5.1 总体设计 | 第39-40页 |
| 5.2 数据来源模块的实现 | 第40-42页 |
| 5.3 数据预处理模块的实现 | 第42-48页 |
| 5.3.1 数据预处理模块环境的搭建 | 第42-43页 |
| 5.3.2 具体实现 | 第43-48页 |
| 5.4 数据分析模块的实现 | 第48-58页 |
| 5.4.1 数据分析模块环境的搭建 | 第48页 |
| 5.4.2 具体实现 | 第48-49页 |
| 5.4.3 结果分析 | 第49-58页 |
| 6 总结与展望 | 第58-59页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-61页 |
