| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 相关技术介绍 | 第15-29页 |
| 2.1 Hadoop概述 | 第15-21页 |
| 2.1.1 Hadoop介绍 | 第15-16页 |
| 2.1.2 分布式文件系统HDFS | 第16-18页 |
| 2.1.3 编程模型MapReduce | 第18-21页 |
| 2.2 Hive概述 | 第21-22页 |
| 2.2.1 Hive架构介绍 | 第21-22页 |
| 2.2.2 Hive优点 | 第22页 |
| 2.3 HBase概述 | 第22-24页 |
| 2.3.1 HBase架构介绍 | 第22-23页 |
| 2.3.2 HBase和传统数据库的对比分析 | 第23-24页 |
| 2.4 数据挖掘 | 第24-26页 |
| 2.4.1 数据挖掘的定义 | 第24-25页 |
| 2.4.2 数据挖掘的主要方法 | 第25-26页 |
| 2.5 Web日志挖掘 | 第26-28页 |
| 2.5.1 Web日志挖掘的定义 | 第26页 |
| 2.5.2 Web日志挖掘过程 | 第26-27页 |
| 2.5.3 主要的Web日志挖掘方法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于可信兴趣度的用户浏览偏爱路径挖掘算法 | 第29-45页 |
| 3.1 相关定义 | 第29-33页 |
| 3.1.1 站点网络拓扑图 | 第29-30页 |
| 3.1.2 Web站点访问矩阵 | 第30-31页 |
| 3.1.3 可信兴趣度的定义 | 第31-33页 |
| 3.2 MUPCDI算法 | 第33-37页 |
| 3.2.1 MUPCDI算法的思想 | 第33-34页 |
| 3.2.2 MUPCDI算法的描述 | 第34-35页 |
| 3.2.3 MUPCDI算法的示例分析 | 第35-37页 |
| 3.3 基于MapReduce的用户浏览偏爱路径挖掘算法 | 第37-43页 |
| 3.3.1 基于MapReduce的数据处理思路 | 第37-38页 |
| 3.3.2 基于MapReduce的数据预处理 | 第38-41页 |
| 3.3.3 基于MapReduce的MUPCDI算法 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 系统框架与实验分析 | 第45-63页 |
| 4.1 整体架构与模块设计 | 第45-49页 |
| 4.1.1 数据采集模块设计 | 第45-47页 |
| 4.1.2 数据预处理模块设计 | 第47-48页 |
| 4.1.3 数据分析模块设计 | 第48页 |
| 4.1.4 数据存储模块设计 | 第48-49页 |
| 4.2 实验过程 | 第49-55页 |
| 4.2.1 环境搭建 | 第49-54页 |
| 4.2.2 数据来源 | 第54页 |
| 4.2.3 算法执行 | 第54-55页 |
| 4.3 结果分析 | 第55-62页 |
| 4.3.1 MUPCDI算法阈值分析 | 第55-56页 |
| 4.3.2 MUPCDI算法准确性分析 | 第56-58页 |
| 4.3.3 MUPCDI算法有效性分析 | 第58-60页 |
| 4.3.4 分布式环境下算法执行效率分析 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文总结和创新点 | 第63-64页 |
| 5.2 课题未来展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间主要的研究成果 | 第68-69页 |
| 致谢 | 第69页 |