| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 聚类算法的研究现状 | 第10-11页 |
| 1.2.2 海量音乐数据挖掘的研究现状 | 第11-12页 |
| 1.3 本文的组织结构 | 第12-14页 |
| 第二章 平台概述与算法研究 | 第14-24页 |
| 2.1 概述 | 第14页 |
| 2.2 Hadoop平台 | 第14-18页 |
| 2.2.1 HDFS分布式文件系统 | 第15-16页 |
| 2.2.2 MapReduce分布式计算模型 | 第16-18页 |
| 2.3 聚类理论 | 第18-19页 |
| 2.4 基于划分的聚类算法 | 第19-20页 |
| 2.5 其他常用的聚类算法研究 | 第20-23页 |
| 2.5.1 基于层次的聚类算法 | 第20-21页 |
| 2.5.2 基于密度的聚类算法 | 第21-22页 |
| 2.5.3 基于模型的聚类算法 | 第22页 |
| 2.5.4 基于网格的聚类算法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 音乐数据仓库体系与主题设计 | 第24-41页 |
| 3.1 音乐仓库概述 | 第24-27页 |
| 3.2 数据仓库体系结构 | 第27-32页 |
| 3.2.1 企业信息化工厂 | 第27-28页 |
| 3.2.2 维度数据仓库 | 第28-29页 |
| 3.2.3 独立型数据集市 | 第29-30页 |
| 3.2.4 数据仓库方法对比 | 第30-32页 |
| 3.3 音乐数据仓库体系结构与设计 | 第32-40页 |
| 3.3.1 基于log平台的多重独立型数据集市架构的设计 | 第32-33页 |
| 3.3.2 基于Hive数据仓库的体系结构的设计 | 第33-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于数据仓库的k-means聚类算法研究与改进 | 第41-53页 |
| 4.1 数据仓库用户行为多维模型 | 第41-43页 |
| 4.2 数据仓库中k-means聚类算法及改进 | 第43-48页 |
| 4.2.1 数据预处理—流量清洗 | 第45-46页 |
| 4.2.2 初始聚类中心选择 | 第46页 |
| 4.2.3 去除孤立点 | 第46-48页 |
| 4.3 改进K-means算法性能分析与评估 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 音乐用户行为的多维模型聚类分析 | 第53-65页 |
| 5.1 音乐用户聚类分析概述 | 第53-54页 |
| 5.2 音乐用户质量指数 | 第54-59页 |
| 5.2.1 总体音乐用户质量指数 | 第54-56页 |
| 5.2.2 付费与非付费音乐用户质量指数 | 第56-57页 |
| 5.2.3 细分用户群的音乐用户质量指数 | 第57-59页 |
| 5.3 音乐用户行为分析 | 第59-62页 |
| 5.3.1 B类用户二次聚类后播放-下载行为分析 | 第59-60页 |
| 5.3.2 B类用户二次聚类后检索-下载行为分析 | 第60-62页 |
| 5.4 音乐用户留存与回访 | 第62-64页 |
| 5.4.1 用户月来访轨迹 | 第62-63页 |
| 5.4.2 典型聚类用户月来访轨迹分析 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 附录 英文缩略语对照表 | 第69-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |