移动广告精准分析平台的设计与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 概述 | 第9-11页 |
| ·背景简介 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 移动广告和精准分析平台 | 第11-14页 |
| ·移动广告的特点和优势 | 第11-12页 |
| ·精准营销和移动广告精准分析平台 | 第12-14页 |
| 第三章 Hadoop分布式计算平台简介 | 第14-24页 |
| ·Hadoop概述 | 第14-15页 |
| ·HDFS简介 | 第15-17页 |
| ·Mapreduce分布式计算模型简介 | 第17-19页 |
| ·Hbase和Hive简介 | 第19-24页 |
| ·Hbase介绍 | 第20-23页 |
| ·Hive介绍 | 第23-24页 |
| 第四章 移动广告精准分析平台架构设计 | 第24-34页 |
| ·位置和功能 | 第24-25页 |
| ·商业模型 | 第25-26页 |
| ·数据模型 | 第26-30页 |
| ·数据仓库数据存储和更新模型 | 第26-28页 |
| ·业务数据存储模型 | 第28-29页 |
| ·社会网络数据 | 第29-30页 |
| ·服务接口设计 | 第30-31页 |
| ·系统整体设计 | 第31-34页 |
| ·模块划分 | 第31页 |
| ·核心业务流程介绍 | 第31-34页 |
| 第五章 分布式贝叶斯分类的设计与实现 | 第34-41页 |
| ·分类算法简介 | 第34-36页 |
| ·贝叶斯分类 | 第36-37页 |
| ·算法设计 | 第37-40页 |
| ·特征归约 | 第37-38页 |
| ·特征相关性统计 | 第38-39页 |
| ·模型训练 | 第39页 |
| ·分类过程 | 第39-40页 |
| ·实验数据 | 第40-41页 |
| 第六章 基于自中心网络的用户分群设计与实现 | 第41-48页 |
| ·社会网络分析简介 | 第41-42页 |
| ·社会网络数据结构设计 | 第42-44页 |
| ·自中心网络分析模型设计 | 第44-45页 |
| ·分布式自中心网络算法设计 | 第45-47页 |
| ·实验数据 | 第47-48页 |
| 第七章 基于MST的分布式聚类设计与实现 | 第48-58页 |
| ·聚类算法简介 | 第48-49页 |
| ·分布式最小生成树算法设计 | 第49-52页 |
| ·相似度度量选择 | 第49-50页 |
| ·最小生成树算法 | 第50-52页 |
| ·基于最小生成树的聚类划分 | 第52页 |
| ·算法步骤和瓶颈 | 第52页 |
| ·算法实现 | 第52-55页 |
| ·步骤1:生成图 | 第52-54页 |
| ·步骤2:生成最小生成树 | 第54-55页 |
| ·步骤3:聚类划分 | 第55页 |
| ·数据验证 | 第55-58页 |
| ·实验数据 | 第56页 |
| ·实验环境 | 第56页 |
| ·试验结果描述 | 第56-58页 |
| 第八章 总结和展望 | 第58-59页 |
| 结束语 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文 | 第64页 |
