搜索引擎用户满意度多维分析方法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究目标与意义 | 第12-13页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究意义 | 第12-13页 |
| 1.4 主要研究内容与结构 | 第13-14页 |
| 1.4.1 主要研究内容 | 第13页 |
| 1.4.2 本文组织结构 | 第13-14页 |
| 第二章 相关理论基础与技术 | 第14-32页 |
| 2.1 搜索引擎用户满意度 | 第14-17页 |
| 2.2 多维数据分析 | 第17-23页 |
| 2.2.1 多维数据分析基本概念 | 第17-18页 |
| 2.2.2 多维数据模型 | 第18-20页 |
| 2.2.3 多维数据分析方法 | 第20-23页 |
| 2.3 关联规则 | 第23-27页 |
| 2.3.1 关联规则基本概念 | 第23-25页 |
| 2.3.2 关联规则挖掘算法 | 第25-27页 |
| 2.4 HADOOP相关知识 | 第27-32页 |
| 2.4.1 Hadoop简介 | 第27-29页 |
| 2.4.2 MapReduce计算框架 | 第29-30页 |
| 2.4.3 Hadoop Streaming技术 | 第30-32页 |
| 第三章 搜索引擎用户满意度多维分析方法的建立 | 第32-48页 |
| 3.1 问题的提出 | 第32-33页 |
| 3.2 多维分析方法整体设计 | 第33-34页 |
| 3.3 数据准备 | 第34-42页 |
| 3.3.1 数据来源 | 第34-35页 |
| 3.3.2 数据处理 | 第35-37页 |
| 3.3.3 数据模型 | 第37-42页 |
| 3.4 多维分析方法 | 第42-46页 |
| 3.4.1 0维分析 | 第43页 |
| 3.4.2 多维分析 | 第43-46页 |
| 3.5 关联规则挖掘方法 | 第46-48页 |
| 第四章 搜索引擎用户满意度多维分析方法的实现 | 第48-65页 |
| 4.1 数据预处理以及多维分析的实现 | 第48-49页 |
| 4.2 关联规则挖掘的实现 | 第49-65页 |
| 4.2.1 关联规则算法的选择 | 第49页 |
| 4.2.2 FP-Growth算法 | 第49-56页 |
| 4.2.3 并行FP-Growth算法 | 第56-62页 |
| 4.2.4 关联规则的产生 | 第62-65页 |
| 第五章 实验与结论 | 第65-72页 |
| 5.1 实验环境 | 第65页 |
| 5.2 实验数据准备 | 第65-67页 |
| 5.3 并行关联规则挖掘实验 | 第67-70页 |
| 5.4 实验结论 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 附录 | 第77-81页 |
| 致谢 | 第81页 |
