| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 项目背景 | 第9-10页 |
| 1.2 精准营销国内外发展背景及其概念 | 第10-12页 |
| 1.3 数据挖掘在精准营销中的应用 | 第12-14页 |
| 1.4 Hadoop 技术在数据挖掘中的应用 | 第14-15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 第二章 MapReduce 编程模型和 Hadoop 的应用 | 第16-23页 |
| 2.1 MapReduce 编程模型 | 第16-18页 |
| 2.2 Hadoop 概述 | 第18-20页 |
| 2.2.1 Hadoop 的优点 | 第18页 |
| 2.2.2 Hadoop 的组成部分 | 第18-19页 |
| 2.2.3 Hadoop 的架构 | 第19-20页 |
| 2.3 Hadoop 集群的搭建与运行 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 精准营销系统的设计与实现 | 第23-54页 |
| 3.1 在线支付平台的业务说明 | 第23-24页 |
| 3.2 精准营销的目标概述 | 第24-25页 |
| 3.3 使用基于 MapReduce 的关联规则挖掘算法进行关联分析 | 第25-38页 |
| 3.3.1 关联规则挖掘算法概述 | 第25-26页 |
| 3.3.2 关联规则的基本概念 | 第26-27页 |
| 3.3.3 Apriori 算法 | 第27-28页 |
| 3.3.4 基于 MapReduce 的关联规则挖掘算法实现 | 第28-31页 |
| 3.3.5 数据集描述 | 第31页 |
| 3.3.6 支持度和置信度的阈值选取 | 第31-34页 |
| 3.3.7 挖掘有价值的强关联规则 | 第34-37页 |
| 3.3.8 强关联规则的使用 | 第37-38页 |
| 3.4 使用基于 MapReduce 的聚类算法对用户进行细分 | 第38-49页 |
| 3.4.1 用户细分方法 | 第39-40页 |
| 3.4.2 聚类算法概述 | 第40页 |
| 3.4.3 K-Means 算法 | 第40-41页 |
| 3.4.4 基于 MapReduce 的 K-Means 算法实现 | 第41-43页 |
| 3.4.5 数据集描述 | 第43-44页 |
| 3.4.6 K-Means 算法的 K 值的选取 | 第44-45页 |
| 3.4.7 用户细分结果 | 第45-49页 |
| 3.5 目标用户与细分用户群的特征匹配策略 | 第49-50页 |
| 3.6 业务的精准营销推荐 | 第50-52页 |
| 3.7 本章小结 | 第52-54页 |
| 第四章 精准营销的效果评估 | 第54-58页 |
| 4.1 评估指标说明 | 第54页 |
| 4.2 系统中原有的推荐方案说明 | 第54-55页 |
| 4.3 与原有系统的效果对比分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |
