| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和研究意义 | 第9-10页 |
| 1.2 国内外研究及应用现状 | 第10-12页 |
| 1.3 论文的主要研究内容及创新点 | 第12-13页 |
| 1.4 论文的章节安排 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关知识介绍 | 第14-24页 |
| 2.1 深度包解析概述 | 第14-15页 |
| 2.1.1 DPI与传统数据包检测技术 | 第14-15页 |
| 2.1.2 DPI技术分类 | 第15页 |
| 2.2 Hadoop大数据分析 | 第15-17页 |
| 2.2.1 HDFS分布式文件系统 | 第16页 |
| 2.2.2 MapReduce并行计算框架 | 第16-17页 |
| 2.2.3 Hive数据仓库模型 | 第17页 |
| 2.3 文本挖掘技术 | 第17-19页 |
| 2.4 家庭画像 | 第19-23页 |
| 2.4.1 用户画像概述 | 第20-21页 |
| 2.4.2 用户行为分析 | 第21页 |
| 2.4.3 用户标签 | 第21-22页 |
| 2.4.4 家庭画像概述 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于DPI和大数据的家庭用户行为分析 | 第24-38页 |
| 3.1 概述 | 第24页 |
| 3.2 数据流量采集模块 | 第24-25页 |
| 3.3 DPI数据清洗模块 | 第25-27页 |
| 3.4 数据提取模块 | 第27-29页 |
| 3.5 数据分析模块 | 第29-33页 |
| 3.6 实验验证与分析 | 第33-37页 |
| 3.6.1 实验环境 | 第33-34页 |
| 3.6.2 实验结果 | 第34-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 基于贝叶斯动态预测模型的家庭画像构建 | 第38-49页 |
| 4.1 用户画像构建 | 第38-43页 |
| 4.1.1 用户标签化 | 第38-40页 |
| 4.1.2 计算标签权重 | 第40-42页 |
| 4.1.3 用户画像实验评估 | 第42-43页 |
| 4.2 家庭画像 | 第43-48页 |
| 4.2.1 家庭画像实时兴趣集 | 第43-44页 |
| 4.2.2 基于贝叶斯动态模型预测家庭画像潜在兴趣集 | 第44-47页 |
| 4.2.3 构建家庭画像 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 基于家庭画像推荐系统的应用 | 第49-58页 |
| 5.1 推荐系统测试平台搭建 | 第49-52页 |
| 5.1.1 广告推荐平台 | 第49-50页 |
| 5.1.2 管理平台 | 第50-52页 |
| 5.1.3 第三方统计平台 | 第52页 |
| 5.2 利用组合加权推荐算法的个性化推荐 | 第52-54页 |
| 5.3 推荐效果 | 第54-55页 |
| 5.4 数据分析 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 未来展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间取得的成果 | 第64页 |