社交云平臺下用戶行為分析的研究.pdf

1、隨著信息化的不斷發(fā)展，云計算與社交網(wǎng)也逐漸被大眾所熟知，蘊(yùn)藏在社交云內(nèi)的用戶行為數(shù)據(jù)也呈爆炸式的增長。而這些海量的用戶行為數(shù)據(jù)中隱藏著大量有用的信息和知識，但是對海量的數(shù)據(jù)進(jìn)行分析和處理長期以來都是一個艱巨而復(fù)雜的任務(wù)，高速準(zhǔn)確的從這些數(shù)據(jù)中挖掘出有用的信息和知識，對分析用戶的各項需求和產(chǎn)品的評估有著重要的意義。
　　 參考社交網(wǎng)與云計算及用戶行為分析的國內(nèi)外相關(guān)文獻(xiàn)，重點對用戶行為分析與Hadoop平臺相關(guān)技術(shù)、開發(fā)方法進(jìn)行分

2、析，詳細(xì)闡述了用戶行為分析的主要內(nèi)容、用戶行為分析中常用的關(guān)聯(lián)規(guī)則挖掘算法;闡述了Hadoop分布式文件系統(tǒng)HDFS以及Hadoop中的MapReduce框架。本文主要針對用戶行為分析預(yù)處理階段以及用戶行為分析中的關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行研究，根據(jù)社交網(wǎng)站的特點，設(shè)計了基于云計算的用戶行為分析預(yù)處理;將云計算技術(shù)與用戶行為分析中關(guān)聯(lián)規(guī)則挖掘算法的經(jīng)典算法Apriori相結(jié)合，并對MapReduce進(jìn)行改進(jìn)，提出基于改進(jìn)MapReduce方案

3、的Apriori算法。能較好解決實際應(yīng)用過程中傳統(tǒng)用戶行為分析的瓶頸，即傳統(tǒng)算法通常只適合解決規(guī)模較小的輸入數(shù)據(jù)，當(dāng)輸入數(shù)據(jù)增大時，它們往往會因計算量的增大而速度減慢甚至無法運行的問題。通過提高用戶行為分析的效率更好的為SNS網(wǎng)站的構(gòu)建而服務(wù)，為用戶提供更好的用戶體驗。
　　 通過搭建實驗云平臺進(jìn)行實驗仿真，驗證基于改進(jìn)MapReduce方案的Apriori算法，并對運行結(jié)果進(jìn)行分析，證實改進(jìn)后的算法取得了不錯的加速比效果，較成