| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 论文组织架构 | 第13-15页 |
| 第2章 相关技术研究 | 第15-21页 |
| 2.1 融合通信系统 | 第15-16页 |
| 2.2 开源软件栈BDAS | 第16-19页 |
| 2.2.1 计算引擎Spark | 第16-17页 |
| 2.2.2 Spark大规模处理工具GraphX | 第17-18页 |
| 2.2.3 Spark流数据处理工具Streaming | 第18页 |
| 2.2.4 分布式文件存储系统HDFS | 第18-19页 |
| 2.3 社交网络用户影响力挖掘 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 融合通信智能分析平台的系统设计 | 第21-34页 |
| 3.1 融合通信智能分析平台的需求分析 | 第21-22页 |
| 3.2 融合通信智能分析平台的系统设计原则 | 第22-23页 |
| 3.3 融合通信智能分析平台的整体架构 | 第23-33页 |
| 3.3.1 数据ETL子系统 | 第28-29页 |
| 3.3.2 数据存储子系统 | 第29-31页 |
| 3.3.3 数据分析与挖掘子系统 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 融合通信智能分析平台的实现 | 第34-53页 |
| 4.1 数据整合与存储的实现 | 第34-39页 |
| 4.2 数据分析与挖掘的实现 | 第39-43页 |
| 4.2.1 数据分析与挖掘模块扩展方法 | 第40页 |
| 4.2.2 Spark-JobServer | 第40-42页 |
| 4.2.3 HiveonSpark | 第42-43页 |
| 4.3 数据可视化模块 | 第43-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 融合通信系统用户影响力分析 | 第53-71页 |
| 5.1 社交网络用户影响力的度量 | 第53-56页 |
| 5.2 融合通信的社交网络特征分析 | 第56-58页 |
| 5.3 融合标签的用户影响力评价模型 | 第58-64页 |
| 5.3.1 基于用户基本属性数据的标签生成模型 | 第59-62页 |
| 5.3.2 融合标签的用户影响力评价模型的构建 | 第62-64页 |
| 5.4 算法设计流程与实现 | 第64-66页 |
| 5.5 实验结果与分析 | 第66-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-76页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第76页 |