基于蜂窝网络数据业务的时空分析与用户兴趣挖掘
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究内容和创新点 | 第14页 |
| 1.4 论文结构安排 | 第14-17页 |
| 第二章 蜂窝网络大数据平台的搭建 | 第17-27页 |
| 2.1 大数据平台搭建的背景 | 第17页 |
| 2.2 Hadoop框架架构及其关键技术 | 第17-21页 |
| 2.2.1 Hadoop 2.0架构介绍 | 第17-19页 |
| 2.2.2 Spark分布式计算框架 | 第19-21页 |
| 2.3 蜂窝网络大数据平台 | 第21-24页 |
| 2.3.1 平台环境 | 第21页 |
| 2.3.2 平台架构 | 第21-22页 |
| 2.3.3 蜂窝网络大数据平台的优化 | 第22-24页 |
| 2.4 本章小结 | 第24-27页 |
| 第三章 基于即时通信业务的快照模式分析 | 第27-49页 |
| 3.1 即时通信业务数据简介 | 第27-29页 |
| 3.1.1 蜂窝网络业务数据集 | 第27-28页 |
| 3.1.2 即时通信业务 | 第28-29页 |
| 3.2 业务快照 | 第29-36页 |
| 3.2.1 业务快照的建立 | 第29-31页 |
| 3.2.2 业务快照相似度的衡量 | 第31-36页 |
| 3.3 业务快照聚类 | 第36-39页 |
| 3.3.1 UPGMA聚类算法 | 第37-38页 |
| 3.3.2 业务快照聚类评价指标 | 第38-39页 |
| 3.4 业务快照模式分析 | 第39-48页 |
| 3.4.1 不同衡量指标下的快照模式分析 | 第40-43页 |
| 3.4.2 不同业务指标下的快照模式分析 | 第43-44页 |
| 3.4.3 不同空间粒度下的快照模式分析 | 第44-46页 |
| 3.4.4 不同城市间的快照模式分析 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于搜索业务的用户兴趣挖掘 | 第49-69页 |
| 4.1 搜索业务数据简介 | 第49-51页 |
| 4.1.1 蜂窝网络数据集 | 第49-50页 |
| 4.1.2 搜索业务 | 第50-51页 |
| 4.2 搜索业务数据预处理 | 第51-55页 |
| 4.2.1 搜索词条解析 | 第51-53页 |
| 4.2.2 用户兴趣映射 | 第53-55页 |
| 4.3 用户兴趣空时分析 | 第55-60页 |
| 4.3.1 用户兴趣的时间分布 | 第56-57页 |
| 4.3.2 用户兴趣的空间分布 | 第57-60页 |
| 4.4 用户兴趣轨迹模式挖掘 | 第60-63页 |
| 4.4.1 用户兴趣轨迹的建立 | 第60-61页 |
| 4.4.2 基于Apriori的兴趣轨迹模式挖掘 | 第61-63页 |
| 4.5 用户兴趣预测 | 第63-67页 |
| 4.5.1 基于兴趣轨迹模式的用户兴趣预测算法 | 第63-65页 |
| 4.5.2 预测结果分析 | 第65-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第五章 总结 | 第69-71页 |
| 5.1 论文工作总结 | 第69-70页 |
| 5.2 问题和展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
