2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩41頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展,用戶使用搜索引擎檢索信息時產(chǎn)生的查詢?nèi)罩緮?shù)據(jù)也越來越多。互聯(lián)網(wǎng)企業(yè)急需一種方案能有效地從這些日志數(shù)據(jù)中提取有關(guān)用戶的行為信息,并在獲得用戶數(shù)據(jù)的基礎(chǔ)上挖掘用戶的搜索需求,分析用戶的行為規(guī)律,從而提高用戶搜索信息的服務(wù)質(zhì)量。因此,目前的用戶行為分析工作面臨了兩方面難題。一方面是海量的日志數(shù)據(jù)存儲和預(yù)處理問題;另一方面就是如何設(shè)計(jì)用戶行為分析模型,捕捉用戶的行為特征,在獲得用戶數(shù)據(jù)的基礎(chǔ)上選取恰當(dāng)研究平臺實(shí)現(xiàn)用戶行為分

2、析的研究。
  基于以上分析,本論文提出了一種把Hadoop數(shù)據(jù)挖掘平臺應(yīng)用在用戶行為分析系統(tǒng)之中的方案。該方案以MapReduce為計(jì)算框架,以HBase為數(shù)據(jù)存儲媒介,以搜狗公司所開放的用戶查詢?nèi)罩緸閿?shù)據(jù)來源,結(jié)合相關(guān)算法分析用戶搜索行為規(guī)律。本文主要包括以下內(nèi)容:
  1.通過比較傳統(tǒng)關(guān)系型數(shù)據(jù)庫和基于列式的非關(guān)系型數(shù)據(jù)庫的特征,決定選用非關(guān)系型數(shù)據(jù)庫HBase來存儲數(shù)據(jù)。設(shè)計(jì)了以查詢?nèi)罩局杏脩舻腃ookie編號和搜索

3、日期共同作為數(shù)據(jù)庫的行鍵,從而使存儲相同用戶的日志記錄位置更集中,數(shù)據(jù)庫掃描全表查詢更方便。
  2.針對系統(tǒng)需求提出具體實(shí)現(xiàn)方法。包括運(yùn)用中文分詞技術(shù)對搜索關(guān)鍵詞進(jìn)行切詞處理,并提取了用戶行為特征向量集。通過對MapReduce的value排序算法的改進(jìn)完成了搜索關(guān)鍵詞統(tǒng)計(jì)、URL排名與用戶點(diǎn)擊關(guān)系分析、用戶訪問時間段統(tǒng)計(jì)。借助MapReduce編程模型將K-means聚類算法分布式化重構(gòu),實(shí)現(xiàn)對用戶的查詢主題聚類,最后對用戶的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論