首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于用户行为的日志分析系统的研究

摘要第4-6页
abstract第6-8页
第1章 绪论第11-16页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-13页
    1.3 主要研究内容第13-14页
    1.4 章节安排第14-16页
第2章 理论基础第16-28页
    2.1 高并发日志收集平台第16-20页
        2.1.1 ELK平台第16-18页
        2.1.2 Kafka消息中间件第18-19页
        2.1.3 Spark计算平台第19-20页
    2.2 基于协同过滤算法第20-24页
        2.2.1 基于内存的协同算法第21-23页
        2.2.2 基于模型的协同过滤算法第23-24页
    2.3 基于内容聚类算法第24-27页
        2.3.1 K-means算法第24-26页
        2.3.2 K-means算法流程第26-27页
    2.4 本章小结第27-28页
第3章 用户行为及商品数据建模第28-36页
    3.1 用户行为及商品模型定义第28-31页
        3.1.1 前言第28页
        3.1.2 用户行为流程定义第28-30页
        3.1.3 商品属性模型定义第30-31页
    3.2 用户行为及商品建模第31-35页
        3.2.1 基于协同矩阵算法对用户行为建模第31-33页
        3.2.2 基于K-means算法对商品属性建模第33-35页
    3.3 本章小结第35-36页
第4章 平台搭建与算法实践第36-56页
    4.1 高并发日志收集平台第36-41页
        4.1.1 ELK平台搭建第36-39页
        4.1.2 Kafka分布式消息平台第39-41页
    4.2 Spark计算平台第41-43页
    4.3 购买行为及商品的数据整理和特征提取第43-47页
        4.3.1 用户购买行为数据整理和特征提取第43-45页
        4.3.2 商品数据整理和特征提取第45-47页
    4.4 算法实践第47-55页
        4.4.1 协同算法实现对购买行为的推荐第48-51页
        4.4.2 K-means算法实现对浏览行为的推荐第51-55页
    4.5 本章小结第55-56页
第5章 总结与展望第56-58页
    5.1 全文总结第56页
    5.2 工作展望第56-58页
参考文献第58-61页
作者简介及在学期间所取得的科研成果第61-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:引入兴趣相似度的信任网络推荐算法研究
下一篇:管道弯曲振动分析与振幅检测