基于MapReduce用户聚类算法在Web日志挖掘中应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10页 |
| ·研究目标 | 第10-11页 |
| ·研究的内容和组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 相关理论及技术概述 | 第13-28页 |
| ·Nginx日志格式 | 第13页 |
| ·MapReduce框架分析 | 第13-16页 |
| ·作业的提交 | 第14-15页 |
| ·作业的初始化 | 第15页 |
| ·任务的分配 | 第15-16页 |
| ·任务的执行 | 第16页 |
| ·Hive | 第16-22页 |
| ·和传统数据库进行比较 | 第17-18页 |
| ·Hive体系结构的内部分析 | 第18-22页 |
| ·Protobuffer优势 | 第22-23页 |
| ·日志挖掘相关算法 | 第23-27页 |
| ·相似度计算方法 | 第24页 |
| ·K-means聚类算法 | 第24-25页 |
| ·协同过滤推荐算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 用户聚类 | 第28-47页 |
| ·用户聚类流程 | 第28-29页 |
| ·数据预处理 | 第29-37页 |
| ·数据清理 | 第29-31页 |
| ·用户识别 | 第31-34页 |
| ·会话识别 | 第34-37页 |
| ·相关矩阵的构建 | 第37-41页 |
| ·构建访问次数维度矩阵 | 第37-38页 |
| ·构建访问路径维度矩阵 | 第38-39页 |
| ·构建语义维度矩阵 | 第39-41页 |
| ·用户相似度计算 | 第41-45页 |
| ·相似度矩阵的构建过程 | 第41-44页 |
| ·相似度计算 | 第44-45页 |
| ·聚类算法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 实验结果 | 第47-54页 |
| ·系统设计 | 第47-48页 |
| ·实验环境 | 第48-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论 | 第54-56页 |
| ·论文总结 | 第54-55页 |
| ·论文展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读学位期间所取得的相关科研成果 | 第58-59页 |
| 致谢 | 第59-60页 |
