基于Hadoop平台的微博数据挖掘系统的设计与实现
| 中文摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 数据采集研究现状 | 第12-13页 |
| 1.2.2 大数据存储研究现状 | 第13页 |
| 1.2.3 大数据分析研究现状 | 第13页 |
| 1.2.4 话题发现研究现状 | 第13页 |
| 1.2.5 数据挖掘可视化研究现状 | 第13-14页 |
| 1.3 本文的创新点 | 第14页 |
| 1.4 系统环境 | 第14-15页 |
| 1.4.1 系统开发环境 | 第14页 |
| 1.4.2 系统运行环境 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 微博数据采集 | 第16-22页 |
| 2.1 大数据采集框架 | 第16页 |
| 2.2 用户信息采集 | 第16-19页 |
| 2.3 微博信息采集 | 第19-20页 |
| 2.4 Linux系统部署 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 微博数据存储 | 第22-30页 |
| 3.1 Hadoop技术介绍 | 第22-23页 |
| 3.2 分布式文件系统HDFS | 第23-24页 |
| 3.3 Hive数据仓库 | 第24页 |
| 3.3.1 Hive的优缺点 | 第24页 |
| 3.3.2 Hive与关系数据库 | 第24页 |
| 3.4 Kafka消息队列 | 第24-25页 |
| 3.5 微博大数据存储 | 第25-28页 |
| 3.5.1 微博数据批量存储 | 第25-27页 |
| 3.5.2 微博数据实时存储 | 第27-28页 |
| 3.6 本章小结 | 第28-30页 |
| 第四章 微博数据分析 | 第30-38页 |
| 4.1 热点微博分析 | 第30-32页 |
| 4.1.1 热点微博批量分析 | 第30-31页 |
| 4.1.2 热点微博实时分析 | 第31-32页 |
| 4.2 微博热点话题分析 | 第32-37页 |
| 4.2.1 LDA主题模型介绍 | 第32-34页 |
| 4.2.2 LDA主题模型参数估计 | 第34-35页 |
| 4.2.3 TF-IDF算法 | 第35-36页 |
| 4.2.4 微博热点话题计算 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 微博数据挖掘可视化 | 第38-42页 |
| 5.1 Kdp-report报表系统 | 第38-39页 |
| 5.2 热点微博可视化 | 第39-40页 |
| 5.3 微博热点话题可视化 | 第40-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 全文总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 参考文献 | 第44-46页 |
| 攻读学位期间取得的研究成果 | 第46-48页 |
| 致谢 | 第48-50页 |
| 个人简况及联系方式 | 第50-53页 |
